这篇文章主要介绍了Python机器学习的基础知识点有哪些,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。
一、基础概述
机器学习(Machine Learing)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
机器学习专门研究计算机怎样模拟或实现人类的学习行为,以便获取新的知识和技能,重新组织已有的知识结构使之不断改善自身的性能。
机器学习是人工智能的核心,是计算机具有智能的根本途径,其应用遍及人工智能的各个领域。
机器学习使用归纳、综合而不是演绎。
二、算法分类
按照学习方式
监督学习
半监督学习
无监督学习
强化学习
按照算法相似性
回归算法
聚类算法
降维算法
深度学习
集成算法
正则化算法
决策树算法
贝叶斯算法
关联规则学习
人工神经网络
基于核的算法
基于实例的算法
三、研究内容
机器学习领域的研究工作主要围绕以下三个方面
面向任务的研究,研究和分析改进一组预定任务的执行性能的学习系统。
认知模型,研究人类学习过程并进行计算机的模拟。
理论分析,从理论上探索各种可能的学习方法和独立于应用领域的算法。