本文介绍了机器学习的基本概念，包括监督学习和无监督学习的常见算法，如k-近邻、线性回归等。同时，概述了机器学习的开发流程，包括数据获取、处理、特征工程、模型训练和评估。通过对大量数据的分析和具体业务的理解，应用各种算法并进行特征工程和参数调优，以实现有效的预测和解决问题。
机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。
- 机器学习算法分类
-
监督学习（有目标值）
目标值：类别—分类问题（猫还是狗？）
算法：k-近邻法、贝叶斯分类、决策树与随机森林、逻辑回归目标值：连续型的数据----回归问题（房屋价格预测）
算法：线性回归、岭回归 -
无监督学习（无目标值）
目标值：无—无监督学习（没有目标值）
聚类k-means
- 机器学习开发流程
获取数据、数据处理、特征工程、机器学习算法训练、模型评估、应用
- 任务：
分析很多的数据
分析具体的业务
应用常见的算法
特征工程、调参数、优化
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
