机器学习入门 快速版

标签：com   数据   精度   边界值   tutorial   调整   速度   vector   gis   

机器学习入门 快速版

本文地址： https://github.com/no7dw/MachineLearningTutorial

background

从数据量的角度，Machine Learning (ML) 是解决传统程序在数据量大，条件多的情况下，使用代码处理复杂场景已经力不从心的情况下的一种解决方案。
而Deep Learning 是进一步数据量爆炸的情况下，保证学习速度、效果的一种新的途径。

机器学习有多种算法类别

• 有监督
• 无监督

有监督，常见：

• KNN
• Logistic Regression
• Support Vector Machines
• Decission Tree

无监督，常见：

• Hierachical Clustering
• K-Means
• Hierachical Clustering
• DBSCAN

常见的算法都有包可以调用，但每种算法有pros and cons（对于精度、速度、边界值上），要根据常见去选择合适的算法。后续将逐渐总结这些算法的关键，优缺点、例子 在各个算法的子文件夹里面。

ML的基本流程以有监督学习，举个例子：

• 获取数据
• 分train set , test set
• 训练fit
• predit
• 检查准确率

简单总结就是：分、学、猜、再调整。

机器学习入门 快速版

标签：com   数据   精度   边界值   tutorial   调整   速度   vector   gis   

原文地址：https://www.cnblogs.com/no7dw/p/12735135.html