-
机器学习基础
- 机器学习三大概念
- 机器学习学习方式
- 机器学习发展历史
- 机器学习应用领域
- 机器学习常用术语
- 机器学习算法分类
- 机器学习建模流程
- 机器学习特征工程
- 机器学习拟合问题
- 机器学习开发环境
-
KNN算法
- KNN算法概述
- KNN算法实现
- KNN算法距离
- 特征的预处理
- 超参数的选择
- KNN算法案例
-
线性回归
- 线性回归概述
- 线性回归求解
- 回归模型评估
- 线性回归实现
- 欠拟合与过拟合
- 线性回归案例
-
逻辑回归
- 逻辑回归概述
- 逻辑回归原理
- 逻辑回归实现
- 分类问题评估
- 逻辑回归案例
-
决策树
- 决策树概述
- ID3决策树
- C4.5决策树
- CART决策树
- CART回归树
- 决策树剪枝
-
集成学习
- 集成学习思想
- 随机森林算法
- Adaboost算法
- GBDT
- XGBoost
-
朴素贝叶斯
- 朴素贝叶斯算法概述
- 朴素贝叶斯算法公式
- 朴素贝叶斯算法实现
-
特征降维
- 特征降维
- 低方差过滤
- 主成分分析PCA
- 相关系数法
-
聚类算法
- 聚类算法概述
- 聚类算法API
- Kmeans实现流程
- 模型评估方法
- 顾客聚类案例
-
支持向量机
- 支持向量机概述
- 支持向量机API
- SVM算法原理
- SVM核函数
1 三大概念简介
(1) 人工智能简介：人工智能(Artificial Intelligence，简称AI)，指用计算机来模拟或代替人类。
(2) 机器学习简介：机器学习(Machine Learning，简称ML)，指让计算机自动学习数据中的规律，并进行预测。
注意：机器学习指通过输入海量训练数据对模型进行训练，使模型掌握数据所蕴含的潜在规律，进而对新输入的数据进行准确的分类或预测。
(3) 深度学习简介：深度学习(Deep Learning，简称DL)，指使用深度神经网络来进行学习，类似大脑仿生，设计一层一层的神经元模拟万事万物。
2 三大概念关系
(1) 人工智能的目标是让机器具备人类的智能；
(2) 机器学习是实现人工智能的一种途径，核心是通过数据驱动，让计算机进行学习并改进性能，自动发现规律，并利用这些规律进行预测或决策；
(3) 深度学习是机器学习的一种方法发展而来的，其基于多层神经网络处理复杂任务。
