机器学习、人工智能、机器学习
机器学习分类
机器学习
机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测
人工智能
人工智能（Artificial Intelligence），英文缩写为 AI。它是研究、开发用于模拟、 延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
深度学习
深度学习是机器学习的一个方法发展而来，使AI应用更快更好的落地
特征与目标（标签）
- 特征
字典中的解释为事物异于其他事物的特点。在我们机器学习中特征即样本的属性。 - 目标（标签）
机器学习中目标即需要预测的值为目标
监督学习
从有标记的训练数据来推断一个功能的机器学习任务被称为监督学习，那么监督学习的数据集包含：特征值+目标值。
监督学习的数据集可以自定义进行划分，也可以通过 sklearn 中的 train_test_split 进行划分。
常用的数据集划分比例为：
训练集：70%，80%
测试集：30%，20%
无监督学习
无监督学习是机器学习技术中的一类，用于发现数据中的模式。利用无标签的数据学习数据的分布或数据与数据之间的关系被称作无监督学习。
分类算法
提取刻画重要数据类的模型，这种模型为分类器，预测分类的类标号
典型算法代表：K 最邻近算法、朴素贝叶斯、决策树算法、随机森林算法等
回归算法
构造模型预测一个连续值函数或有序值
典型算法代表：回归分析类算法
网友评论