🖼 人工智能学习总目录

🖼《白话机器学习数学》小结及目录

本章知识小结：

  • 1、机器学习：是指机器通过统计学算法，对大量历史数据进行学习，进而利用生成的经验模型指导业务。
  • 2、回归（连续数据）、分类（有标签离散数据）、聚类（无标签离散数据）
  • 3、有监督学习使用数据有标签、无监督学习使用无标签数据。

1、对机器学习的兴趣

机器学习能做什么？ 鉴别垃圾邮件、用图像进行人脸识别、电商网站的推荐功能之类的。

2、机器学习的重要性

计算机特别擅长处理重复的任务。所以计算机能够比人类更高效地读取大量数据、学习数据的特征并从中找出数据的模式。这样的任务也被称为机器学习或者模式识别。

数据多，存储便宜，能用GPU进行数值计算。

3、机器学习的算法

  • 1、回归（regression），在处理连续数据如时间序列数据时使用的数据。
  • 2、分类（classification），比如鉴别垃圾邮件归类（先要自己打标签，有二分类、多分类）。
  • 3、聚类（clustering），相比于分类不需要标签，比如在100个学生中找到偏科的学生。

使用有标签的数据进行的学习称为有监督学习，使用没有标签的数据进行的学习称为无监督学习。

4、数学与编程

需要学会 高数、线代、概率论 ， 但是一开始并不需要太高深的数学知识，遇到不会的查资料就可以。