前言
随着科技的不断更新发展,人工智能与社会生活的关系也越来越紧密。那么,人工智能和机器学习有什么关系,什么是机器学习,机器学习的模型算法有哪些,如何进行机器学习?本系列文章将从上述几个问题展开。
概述
机器学习是人工智能的一个子领域,专门研究计算机如何模拟或实现人类智能行为,以获取新的知识或技能,并不断重组完善已有知识结构的学科;从实践意义来讲,机器学习在大数据支撑下,通过各种算法让机器对数据进行深层次的统计分析,让人工智能系统获得归纳推理和决策能力,帮助人类智能延伸;
- 算法: 机器学习算法是指导计算机如何学习的规则和统计技术。不同的算法适用于不同的任务和数据类型。
- 模型: 机器学习模型是算法学习的输出。它代表了数据中的模式和关系,并用于进行预测或决策。
机器学习离不开数据、算法和模型,通常包含数据预处理、模型学习、模型评估、样本预测几个步骤。
- 数据预处理:从原始raw数据,经过(特征处理+幅度缩放、特征选择、维度约减、采样),输出测试集和训练集;
- 模型学习:根据实际场景模型选择、交叉验证、结果评估、超参选择;
- 模型评估:模型学习完成后,对模型性进行评估;
- 样本预测:新的输入数据预测
数据预处理系列文章包括:
- 《机器学习特征分析》
- 《机器学习特征构建与特征筛选》
- 《机器学习EDA探查工具Pandas profiling》
模型算法介绍篇:
- 《机器学习模型算法》
模型评估介绍篇:
- 《机器学习模型评估》
机器学习高阶autoML:
- 《机器学习自动化建模AutoML》
机器学习实战篇:
- 《机器学习Airbnb数据的民宿房价预测模型》
机器学习工具篇:
- 待补充