(二)人工智能的核心机器学习&人工智能的核心机器学习&a

文章原创,最近更新：2018-04-28

1.人工智能的核心机器学习
2.机器学习怎么学?
3.入门指南

课程来源: python数据分析与机器学习实战-唐宇迪

1.人工智能的核心机器学习

1.1人工智能入学指南

人工智能对数学的要求很高,对于数学很多知识大学都还给了老师.数学是必须的么?那么我该怎么样利用数学来学习机器学算法呢?后面有讲到.

学好一个东西之后,怎么样把实际运用起来.怎么动手完成这样的练习.

1.2为啥python这么火?

• python工具库
  有很多工具库,python做事情是依赖很多库,比如numpy/pandas/matplotlib/scikit-learn/tensorflow
  tensorflow是谷歌出品的一款框架,有个接口是python.python可以把玩很多工具.

python是用得最多的一门语言.

1.3python和这些库怎么配置?

python安装可以anaconda.具体安装可以查网上相关教程,其实挺简单的.

2.机器学习怎么学?

2.1如何学python?

初学者:建议将语法知识list/循环/函数等搞定,其他的知识可以不用看.看得越多,困惑越多,写出来的东西越少.一定要边学边写,不要过了一遍,不写,这样没啥效率.语言只是一门工具,它是帮助你来干活的.边学边练.理解会更加深入.

库是工具,会用就可以.不需要去记.重点知道每个库能做什么.每个库的函数参数太多了,去学一遍练一遍是不可行的.实际用的时候,再去查.

3.入门指南

3.1人工智能我该怎么学?

• 基础都是先从机器学习开始.

• 算法是非常重要的一点,机器学习包含了多种算法,这些都是之后的一个重点.

• 数据是重中之重.比如高考目标一百分,然后没有练习,那是很难达到的.

• 程序是指一定要做出来才是可行的.

• 评估是指一个算法和模型做好了之后,就要去评估.看一下是不是符合我们的一个要求,这个是收尾阶段必须要做的一件事情.

• 应用是做好了之后可以使用.

3.2机器学习能做什么?

数据挖掘:数据挖掘指的是拿到一份数据之后,你想挖出来潜在的有价值的信息.这个就叫数据挖掘.

统计学习:在数据分析的时候,要分析的内容简直太多了.要用很多算法以及思想.

计算机视觉/语音识别/自然语言处理以前不是很大的成绩,但是近几年发展很快.

3.3机器学习流程?

• 数据收集与预处理
  如果有现成数据就用,要是没现成的数据就用爬虫去爬取.先把数据选择好.

• 特征选择与模型构建

计算机只认识0,1,2,3,4,5.....等等这些数字.特征抽取是指要把人类认识的符合转换成计算机认识的符号.

一旦把符合转换成计算机认识的东西,需要找出一个决策的边界.将体育与非体育类进行区分.就需要去训练分类器,这不是一个容易的事情.需要调节的参数很多,把参数调节好之后,就可以得到一个不错的学习函数.就可以认为大功告成了.

• 评估与预测
  大功告成之后我们就需要评估和预测.拿出一些数据,放到学习函数来,与预测结果是匹配的.如果绝大数是对的,基本上我们就可以完成了这样的事情.

以上就是机器学习的一个流程.