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！1AP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、链式求导实践项目用线性

2、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 C1ustering C1assification 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Dirich1etProcessC1ustering狄

3、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有限波尔兹曼机廿K同；计寸由留ry.UserandItembasedrecommenders逻辑回归Matrixfactorizationbasedrecommenders贝叶斯频繁项集挖掘Apriori(Frequentitemsetmining)FrequentitemsetminingSingu1arVa1ueDecomposition Highperformancejavaco11ections Avibrantcommunity