机器学习学习路线

1. 先给机器学习下一个定义

   机器学习研究的是计算机怎样模拟人类的学习行为,以获取新的知识或技能,并重新组织已有的知识结构使之不断改善自身。

   简单一点说,就是计算机从数据中学习出规律和模式,以应用在新数据上做预测的任务。

   机器学习的算法能指引计算机在海量数据中,挖掘出有用的价值。

 

2. 机器学习关注的问题

   1)分类问题:根据数据样本上抽取出的特征,判定其属于有限个类别中的哪一个。比如: 

      a. 垃圾邮件识别(结果类别:1、垃圾邮件 2、正常邮件)

      b. 文本情感褒贬分析(结果类别:1、褒 2、贬)

       c. 图像内容识别识别(结果类别:1、喵星人 2、汪星人 3、人类 4、草泥马 5、都不是)。

   2)回归问题:根据数据样本上抽取出的特征,预测一个连续值的结果。比如:

       a. 星爷《美人鱼》票房

       b. 大帝都2个月后的房价

       c. 隔壁熊孩子一天来你家几次,宠幸你多少玩具

   3)聚类问题:根据数据样本上抽取出的特征,让样本抱抱团(相近/相关的样本在一团内)。比如: 

       a. google的新闻分类

       c. 用户群体划分

   注:分类回归问题需要用已知结果的数据做训练,属于“监督学习

       聚类的问题不需要已知标签,属于“非监督学习”。

 

3. 机器学习在IT行业的应用热点

   1)计算机视觉(cv):人脸识别、车牌识别、扫描文字识别、图片内容识别、图片搜索等。

   2)自然语言处理(nlp):搜索引擎智能匹配、文本内容理解、文本情绪判断,语音识别、输入法、机器翻译等。

   3)社会网络分析:用户画像、网络关联分析、欺诈作弊发现、热点发现等。

   4)推荐:虾米音乐的“歌曲推荐”,某宝的“猜你喜欢”等。

 

 

 

 

 

 

未完待续。。。。。。

你可能感兴趣的:(机器学习学习路线)