机器学习概述.docx

《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）》请在第一文库网上搜索。

1、机器学习概述什么是机器学习;加器学习是人工智能的子集,足忌为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与它典I系统联动J：元数据首理!I决策树挖掘I数据存储节管理M1ap服务！数据挖掘：决策支持应用模型开发期经营分析支持业务模型耗用时间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、实践项用线性回归实现预测学习方式监督式学习 非监督式学习 半监督式学习 强化学习 C1usteringC1assification Co11aborativefi1tering Frequentitemsetmining算法分类算法名称中文名称聚类算法（没有打标签）CanopyC1usteringCanopy聚类K-meansC1usteringK均值算法FuzzyK-means模糊K均值ExpectationMaximizationEM聚类（期望最大化聚类）MeanShiftC1ustering均值漂移聚类Hierarchica1C1ustering层次聚类Dirich1etProcessC

3、1ustering狄里克雷过程聚类1atentDirich1etA11ocation1DA聚类Spectra1C1ustering谱聚类算法分类算法名称中文名称分类算法（打过标签）1ogisticRegression逻辑回归Bayesian贝叶斯SVM支持向量机Perceptron感知器算法Neura1Network神经网络RandomForests随机森林RestrictedBo1tzmannMachines有限波尔兹曼机七力、同;寸9点管注UserandItembasedrecommenders逻辑回归I力I口JU1心舁必Matrixfactorizationbasedrecommenders贝叶斯频繁项集挖掘Apriori(Frequentitemsetmining)FrequentitemsetminingSingu1arVa1ueDecomposition Highperformancejavaco11ections Avibrantcommunity