本文将给大家介绍如何使用 Python 进行机器学习的全面而简单的课程。
机器学习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。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径。而今天给大家介绍一个关于机器学习的全面指南!
在本项目中,您将了解:
-
机器学习的定义是什么?
-
什么时候开始的?发展趋势如何?
-
什么是机器学习类别和子类别?
-
最常用的机器学习算法是什么?如何实现它们?
目录:
这是一份精简的机器学习教程。关于机器学习部分主要包括下面的内容:
0. 机器学习简介
1. 机器学习基础
-
线性回归
-
过拟合/欠拟合
-
正则化
-
交叉验证
2. 监督式学习
-
决策树
-
kNN
-
朴素贝叶斯
-
逻辑回归
-
支持向量机
3. 非监督式学习
-
聚类
-
主成分分析 PCA
4. 深度学习
-
神经网络概述
-
卷积神经网络
-
自编码器
-
循环神经网络
资源获取
Python与机器智能
(公众号有大量Python,和AI相关资源,欢迎关注!)