Machine Learning 是人工智能的核心,主要使用归纳、综合而不是演绎。
让计算机模拟人类行为,以获取新的知识或技能
重新组织已有的知识结构使之不断改善自身性能
一个程序能从经验 E 中学习,解决任务 T,达到性能度量值P,
有了经验 E 后,经过 P 评判,程序在处理 T 时的性能有所提升。
主题:
1、监督学习:回归、支持向量机、核函数、神经网络
2、无监督学习:聚类、降维、推荐系统、深入学习推荐
3、机器学习实践:偏差/方差理论、机器学习和人工智能创新过程
————————————————————————————————————————
学习算法最常用两个类型就是监督学习、无监督学习。
将花费最多的精力来讨论这两种学习算法。
而另一个会花费大量时间的任务是应用学习算法的实用建议。
通过了解如何设计和构建机器学习和人工智能系统,可以帮你成为最优秀的人才。
监督学习:
给学习算法一个数据集,这个数据集含有“正确答案”。
分类 预测值是离散的
回归 预测值是连续的
无监督学习:
数据集没有标签,自动的从中找出结构。
聚类 新闻分组、组织大型计算机集群、社交网络分析、市场分割、天文数据分析
学习算法开发步骤:
第一步:学习算法原型搭建,用MATLAB快速实现学习算法来验证正确性;
第二部:学习算法移植,将算法用C++或JAVA实现。