學習筆記之機器學習（Machine Learning）
阿新 • • 發佈：2019-02-12
市場 .py 學習 最優 lin 數據可視化 算法 intro with
機器學習 - 維基百科，自由的百科全書
- https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0
- 機器學習是人工智能的一個分支。人工智能的研究歷史有著一條從以“推理”為重點，到以“知識”為重點，再到以“學習”為重點的自然、清晰的脈絡。顯然，機器學習是實現人工智能的一個途徑，即以機器學習為手段解決人工智能中的問題。機器學習在近30多年已發展為一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、計算復雜性理論等多門學科。機器學習理論主要是設計和分析一些讓計算機可以自動“學習”的算法。機器學習算法是一類從數據中自動分析獲得規律，並利用規律對未知數據進行預測的算法。因為學習算法中涉及了大量的統計學理論，機器學習與推斷統計學聯系尤為密切，也被稱為統計學習理論。算法設計方面，機器學習理論關註可以實現的，行之有效的學習算法。很多推論問題屬於無程序可循難度，所以部分的機器學習研究是開發容易處理的近似算法。
- 機器學習已廣泛應用於數據挖掘、計算機視覺、自然語言處理、生物特征識別、搜索引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰略遊戲和機器人等領域。
Machine Learning with Python: Machine Learning Course
- https://www.python-course.eu/machine_learning.php
Machine Learning Crash Course | Google Developers
- https://developers.google.com/machine-learning/crash-course/
- Google‘s fast-paced, practical introduction to machine learning
常用機器學習實踐技巧 - Python中文社區
- https://mp.weixin.qq.com/s/zvhnUiDEvMKiSu3Q_fY7BQ
- 我們知道在機器學習的實踐中有很多技巧是可以通用和流程化的，在這裏我們通過一個簡單的數據集來演示在數據的使用和處理過程中常用的實踐技巧，內容主要包含了：
- 數據預覽
- 數據可視化
- 查找最優模型
- Pipeline的使用
- 模型調節
學習筆記之機器學習（Machine Learning）