本港台开奖现场直播 j2开奖直播报码现场
当前位置: 新闻频道 > IT新闻 >

本港台直播:【j2开奖】机器学习:入门方法与学习路径 (附资料)

时间:2016-03-01 14:39来源:本港台直播 作者:j2开奖直播 点击:
【j2开奖】机器学习:入门方法与学习路径 (附资料),机器学习与数据挖掘,图解机器学习,模式识别与机器学习

  也许你和这个叫『机器学习』的家伙一点也不熟,但是你举起iphone手机拍照的时候,早已习惯它帮你框出人脸;也自然而然点开今日头条推给你的新闻;也习惯逛淘宝点了找相似之后货比三家;亦或喜闻乐见微软的年龄识别网站结果刷爆朋友圈。恩,这些功能的核心算法就是机器学习领域的内容。

  套用一下大神们对机器学习的定义,机器学习研究的是计算机怎样模拟人类的学习行为,以获取新的知识或技能,并重新组织已有的知识结构使之不断改善自身。简单一点说,就是计算机从数据中学习出规律和模式,以应用在新数据上做预测的任务。近年来互联网数据大爆炸,数据的丰富度和覆盖面远远超出人工可以观察和总结的范畴,而机器学习的算法能指引计算机在海量数据中,挖掘出有用的价值,也使得无数学习者为之着迷。

  但是越说越觉得机器学习有距离感,云里雾里高深莫测,本港台直播们不是专家,但说起算有一些从业经验,做过一些项目在实际数据上应用机器学习。这一篇就本港台直播们的经验和各位同仁的分享,总结一些对于初学者入门有帮助的方法和对进阶有用的资料。

  

本港台直播:【j2开奖】机器学习:入门方法与学习路径 (附资料)

  2. 机器学习关注问题

  并非所有的问题都适合用机器学习解决(很多逻辑清晰的问题用规则能很高效和准确地处理),也没有一个机器学习算法可以通用于所有问题。咱们先来了解了解,机器学习,到底关心和解决什么样的问题。

  从功能的角度分类,机器学习在一定量级的数据上,可以解决下列问题:

  1.分类问题

  根据数据样本上抽取出的特征,判定其属于有限个类别中的哪一个。比如:

  垃圾邮件识别(结果类别:1、垃圾邮件 2、正常邮件)

  文本情感褒贬分析(结果类别:1、褒 2、贬)

  图像内容识别识别(结果类别:1、喵星人 2、汪星人 3、人类 4、草泥马 5、都不是)。

  2.回归问题

  根据数据样本上抽取出的特征,预测一个连续值的结果。比如:

  星爷《美人鱼》票房

  大帝都2个月后的房价

  隔壁熊孩子一天来你家几次,宠幸你多少玩具

  3.聚类问题

  根据数据样本上抽取出的特征,让样本抱抱团(相近/相关的样本在一团内)。比如:

  google的新闻分类

  用户群体划分

  本港台直播们再把上述常见问题划到机器学习最典型的2个分类上。

  分类与回归问题需要用已知结果的数据做训练,属于“监督学习”

  聚类的问题不需要已知标签,属于“非监督学习”。

  如果在IT行业(尤其是互联网)里溜达一圈,你会发现机器学习在以下热点问题中有广泛应用:

  1.计算机视觉

  典型的应用包括:人脸识别、车牌识别、扫描文字识别、图片内容识别、图片搜索等等。

  2.自然语言处理

  典型的应用包括:搜索引擎智能匹配、文本内容理解、文本情绪判断,语音识别、输入法、机器翻译等等。

  3.社会网络分析

  典型的应用包括:用户画像、网络关联分析、欺诈作弊发现、热点发现等等。

  4.推荐

  典型的应用包括:虾米音乐的“歌曲推荐”,某宝的“猜你喜欢”等等。

  3. 入门方法与学习路径

  OK,不废话,直接切重点丢干货了。看似学习难度大,曲线陡的机器学习,对大多数入门者也有一个比较通用的学习路径,也有一些优秀的入门资料可以降低大家的学习门槛,同时激发本港台直播们的学习乐趣。

  简单说来,大概的一个学习路径如下:

  

本港台直播:【j2开奖】机器学习:入门方法与学习路径 (附资料)

  简单说一点,之所以最左边写了『数学基础』『典型机器学习算法』『编程基础』三个并行的部分,是因为机器学习是一个将数学/算法理论和工程实践紧密结合的领域,需要扎实的理论基础帮助引导数据分析与模型调优,同时也需要精湛的工程开发能力去高效化地训练和部署模型和服务。

(责任编辑:本港台直播)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
栏目列表
推荐内容