Python機器學習之基礎概述
更新時間:2021年05月19日 16:49:25 作者:ProChick
今天帶大家回顧python機器學習的相關知識,文中非常詳細的介紹了Python機器學習的基礎概述,算法分類及研究內(nèi)容,需要的朋友可以參考下
一、基礎概述
- 機器學習(Machine Learing)是一門多領域交叉學科,涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。
- 機器學習專門研究計算機怎樣模擬或實現(xiàn)人類的學習行為,以便獲取新的知識和技能,重新組織已有的知識結構使之不斷改善自身的性能。
- 機器學習是人工智能的核心,是計算機具有智能的根本途徑,其應用遍及人工智能的各個領域。
- 機器學習使用歸納、綜合而不是演繹。
二、算法分類
按照學習方式
監(jiān)督學習

半監(jiān)督學習

無監(jiān)督學習

強化學習

按照算法相似性
- 回歸算法

- 聚類算法

- 降維算法

- 深度學習

- 集成算法

- 正則化算法

- 決策樹算法

- 貝葉斯算法

- 關聯(lián)規(guī)則學習

- 人工神經(jīng)網(wǎng)絡

- 基于核的算法

- 基于實例的算法

三、研究內(nèi)容
機器學習領域的研究工作主要圍繞以下三個方面
- 面向任務的研究,研究和分析改進一組預定任務的執(zhí)行性能的學習系統(tǒng)。
- 認知模型,研究人類學習過程并進行計算機的模擬。
- 理論分析,從理論上探索各種可能的學習方法和獨立于應用領域的算法。
到此這篇關于Python機器學習之基礎概述的文章就介紹到這了,更多相關Python機器學習內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
您可能感興趣的文章:
- Python 機器學習工具包SKlearn的安裝與使用
- Python機器學習之KNN近鄰算法
- Python機器學習算法之決策樹算法的實現(xiàn)與優(yōu)缺點
- Python機器學習三大件之一numpy
- Python機器學習之決策樹
- Python機器學習之Kmeans基礎算法
- python機器學習之線性回歸詳解
- python 機器學習的標準化、歸一化、正則化、離散化和白化
- Python機器學習工具scikit-learn的使用筆記
- python機器學習庫xgboost的使用
- python機器學習實現(xiàn)決策樹
- python機器學習包mlxtend的安裝和配置詳解
- Python機器學習算法庫scikit-learn學習之決策樹實現(xiàn)方法詳解
相關文章
PyTorch 中的 torch.utils.data 解析(推薦)
這篇文章主要介紹了PyTorch?torch.utils.data.Dataset概述案例詳解,主要介紹對?torch.utils.data.Dataset?的理解,需要的朋友可以參考下2023-02-02
Python3實現(xiàn)Web網(wǎng)頁圖片下載
這篇文章主要介紹了Python3通過request.urlopen實現(xiàn)Web網(wǎng)頁圖片下載,感興趣的小伙伴們可以參考一下2016-01-01

