Scikit-learn深度学习快速入门实战-Day01

---- 关于机器学习的所有博客内容,资料整理自网络,仅供学习,不涉及商业行为。

机器学习简介

一,人工智能,机器学习,深度学习

人工智能指由人类制造出的机器表现出的智能。 这是一个非常大的范围,长远目标是让机
器实现类人智能。不过目前我们还在非常非常初级的阶段,甚至都不能称为智能。
机器学习是指通过数据训练出能完成一定功能的模型。 是实现人工智能的手段之一,也是
目前最主流的人工智能实现方法。
深度学习则是机器学习的分支,超过 8 层的神经网络模型就叫深度学习。 深度即层数。
深度学习目前在语音、图像等领域取得了很好的效果。
 
二,监督学习,非监督学习,强化学习
 
机器学习通常分为无监督学习,监督学习和强化学习三类。
第一类是无监督学习 (unsupervised learning) ,指的是从信息出发自动寻找规律,分析数据的结
构,常见的无监督学习任务有聚类,降维,密度估计,关联分析等。
 
第二类是监督学习 (supervised learning) ,监督学习指的是使用带标签的数据去训练模型,并预测未
知数据的标签。监督学习有两种,当预测的结果是离散值时属于分类 (classification) 问题,当预测的
结果是连续值时属于回归 (regression) 问题。
 
第三类为强化学习 (reinforcement learning) ,是学习系统从环境到行为映射的学习,以使奖励信号
( 强化信号 ) 函数值最大。常用于智能控制机器人和决策问题。

 

三,逻辑回归,决策树,支持向量机
logistic regression 算法是经典的分类算法,基本思想是构造一个概率的拟合函数。
 
决策树
 
决策树的基本思想是根据样例去推断其背后的树形知识表征。
一个女孩的母亲要给这个女孩介绍男朋友,于是有了下面的对话:
女儿:多大年纪了?
母亲: 26
女儿:长的帅不帅?
母亲:挺帅的。
女儿:收入高不?
母亲:不算很高,中等情况。
女儿:是公务员不?
母亲:是,在税务局上班呢。
女儿:那好,我去见见
 
支持向量机
支持向量机 SVM(support vector machine) 的基本思想是寻找最大间隔的分割超平面。离分割超平面
最近的这些样本点称为支持向量。
 
 
四, DNN CNN RNN

 

DNN
DNN(Deep Neural Networks, 深度神经网络 ) 是一种相对浅层机器学习模型具有更多参数,需要更多
数据进行训练的机器学习算法。
 
神经网络中的单个神经元和逻辑回归具有相似的结构。
神经网络通过在数据集上使用正向传播 (Forward propagation) 和反向传播( backward
propagation )算法来寻找使得损失函数最小的神经元参数。
 
CNN
CNN(Convolutional Neural Networks, 卷积神经网络 ) 是一种从局部特征开始学习并逐渐整合的神经
网络。卷积神经网络通过卷积层来进行特征提取,通过池化层进行降维 , 相比较全连接的神经网络,
卷积神经网络降低了模型复杂度,减少了模型的参数,可以减少过拟合。卷积神经网络在图像识
别,语音识别等领域都有非常好的效果。
 
RNN
RNN(Recurrent Neural Networks, 循环神经网络 ) 是一种能够处理序列模型的神经网络,其输入和输
出可以是序列。 RNN 的显著特点是某个神经元在某一时刻的输出会在下一个时刻作为该神经元的输
入信号。 RNN 在语音识别,语言建模,翻译,图片描述等问题上取得了较大的成功。
 
 
正式开启机器学习之路,欢迎交流wx: jackey_love

你可能感兴趣的:(机器学习,python,机器学习,深度学习,神经网络)