1、机器学习基础,引言,什么是机器学习？ 让机器“学习”的技术 指令工作数据工作例子： 约会机器学习方法： 利用已有的数据(经验)， 得出了某种模型(迟到的规律) 并利用此模型预测未来(是否迟到),引言,机器学习的定义：例子：房价：房价面积ab关键概念：训练模型预测训练集和测试集,引言,机器学习的定义：广义： 一种能够赋予机器学习的能力 以此让它完成直接编程 无法完成的功能的方法。实践： 一种通过利用数据， 训练出模型，然后使用 模型预测的一种方法。,引言,机器学习的范围： 模式识别机器学习 数据挖掘机器学习数据库 统计学习和机器学习 计算机视觉图像处理机器学习 语音识别语音处理机器学习 自然语言
2、处理文本处理机器学习,不同类型应用场景： 回归：预测鲍鱼的年龄随着时间波动的股票价格,算法分类,不同类型应用场景：分类：电影题材归类垃圾邮件,算法分类,不同类型应用场景： 聚类对地图上的点进行聚类人脸识别,算法分类,不同类型应用场景： 关联分析啤酒和尿布Twitter源共现词,算法分类,经典算法分类：学习方式：监督学习非监督学习半监督学习,算法分类,经典算法分类：功能分类：,算法选择,如何选择合适的算法：,算法选择,如何使用算法：,工具的使用,机器学习常用的工具：R语言linux版和windows版强大的算法包可移植性比较好Matlabwindows版比较强大，可移植性是个问题版本问题比较严重Python Numpy、statsmodels、scripy-learn、pandas spark分布式框架mllib,建议,看懂一个例子开始；算法的重试；参数的选择；没有最好，只有更好。推荐书目：机器学习（周志华）R语言初学者指南机器学习实战,Thank you!,
