1.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。
2.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
-
3.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。
转载：https://blog.csdn.net/qq_45747519/article/details/115800111
查看评论