机器学习学习笔记(一)

背景介绍

AI 已是大势所趋,况且又处在这个行业,又在一家人工智能的公司工作做聊天机器人的技术工作。然而,所做的工作又与机器学习基本毫不相干,这么高大上又前景颇好的东西近在眼前确触碰不到,多么可惜啊…

学习资源

不知如何入门,在B站偶然发现Andrew Ng 的机器学习教程,争取可以坚持学完。
第一天入门,主要学习以下内容:

监督学习

主要分为两大问题:分类问题 和 回归问题。

分类问题预期的是有限个数的离散输出结果,典型的例子:根据已有的肿瘤大小与肿瘤恶性还是良性的数据,预测肿瘤
是良性还是恶性的。

回归问题预期的是连续的输出结果,典型的例子:根据已有的房价与房屋面积的数据,已知房屋面积预测房屋价格。

无监督学习

典型的算法有聚类算法:

eg1: social network analysis 根据好友的互动数据,自动分组人群

eg2: market segmentation 根据客户数据,自动分类细分市场

使用工具的最佳建议

学习机器学习,如果使用c++或java语言开发,代码会非常多,且需要链接到各种库去处理特殊功能。机器学习的研究者通常的做法是,先使用octave或Matlab语言实现好原型,在用其他的语言进一步开发。

robot wechat
欢迎您扫一扫上面的微信公众号,订阅我的博客!
坚持原创技术分享,您的支持将鼓励我继续创作!