《机器学习概述.docx》由会员分享,可在线阅读,更多相关《机器学习概述.docx(11页珍藏版)》请在第壹文秘上搜索。
1、机器学习概述什么是机器学习机器学习是人工智能的子集,也是弱人工智能的 一种实现方式。机器学习算法是一类从数据中自 动分析获得规律和模式,并利用规律对未知数据 进行预测的算法。机器学习算法中涉及了大量的 统计学理论,机器学习与统计推断学联系尤为密 切,也被称为统计学习理论。外部数据业务数据与其它应用 系统联动决策支持 应用知识库元数据管理!决策树挖掘I数据源数据存储节管理!LAP服务!数据挖掘经营分析支持模型开发期70时间用于数据处理机器学习 计算机在学习什么内容? 从哪里学习? 学习的目的是什么? 学习的方法是什么?损失函数 最小二乘法 极大似然 梯度下降二元分类、多元分类导数、偏导、链式求导
2、实践项目用线性回归实现预测W-监督式学习非监督式学习半监督式学习强化学习 Clustering Classification Collaborative filtering Frequent item set mining算法分类算法名称中文名称聚类算法(没有打标签)Canopy ClusteringCanopy聚类K-means ClusteringK均值算法Fuzzy K-means模糊K均值Expectation MaximizationEM聚类(期望最大化聚类)Mean Shift Clustering均值漂移聚类Hierarchical Clustering层次聚类Dirichlet
3、 Process Clustering狄里克雷过程聚类Latent Dirichlet AllocationLDA聚类Spectral Clustering谱聚类算法分类算法名称中文名称分类算法 (打过标签)Logistic Regression逻辑回归Bayesian贝叶斯SVM支持向量机Perceptron感知器算法Neural Network神经网络Random Forests随机森林Restricted Boltzmann Machines有限波尔兹曼机廿K同;计寸由留r y.User and Item based recommenders逻辑回归KM 口Jl%、舁汰Matrix factorization based recommenders贝叶斯频繁项集挖掘Apriori (Frequent item set mining) Frequent item set mining Singular Value Decomposition High performance java collections A vibrant community