【机器学习】传统机器学习学习流程

1、机器学习的概述

背景、发展现状、基本概念。

2、场景解析

数据探查、场景抽象、算法选择

3、数据预处理

采用(随即、系统、分层)、归一化、去除噪声、数据过滤

4、特征工程

特征抽象、特征重要性评估、特征衍生、特征降维。

5、机器学习算法

  • 分类算法(K近邻、朴素贝叶斯、逻辑回归、支持向量机、随机森林)
  • 聚类算法(K-means、DBSCAN)
  • 回归算法
  • 文本分析算法(分词算法-Hmm、TF-IDF、IDA)
  • 推荐类算法
  • 关系图算法(标签传播、Dijkstra最短路径)

6、机器学习算法 —— 深度学习

  • 深度神经网络
  • 卷积神经网络
  • 循环神经网络

7、机器学习工具

  • 单机版本(SPSS、R语言、工具对比)
  • 分布式版本(Spark MLib、TensorFlow)
  • 企业级别(亚马逊AWS ML、阿里云机器学习API)

8、业务解决方案

  • 心脏病预测
  • 商品推荐系统
  • 金融风控案例
  • 新闻文本分析
  • 农业贷款发放预测
  • 雾霾天气成因分析
  • 图片识别

9、知识图谱

  • 未来数据采集
  • 知识图谱开源工具

转载于:https://my.oschina.net/u/3091870/blog/3069990

你可能感兴趣的:(【机器学习】传统机器学习学习流程)