一、基礎概述

• 機器學習（Machine Learing）是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。
• 機器學習專門研究計算機怎樣模擬或實現人類的學習行為，以便獲取新的知識和技能，重新組織已有的知識結構使之不斷改善自身的性能。
• 機器學習是人工智能的核心，是計算機具有智能的根本途徑，其應用遍及人工智能的各個領域。
• 機器學習使用歸納、綜合而不是演繹。

二、算法分類

按照學習方式

• 監督學習

• 半監督學習

• 無監督學習

• 強化學習

按照算法相似性

• 回歸算法

• 聚類算法

• 降維算法

• 深度學習

• 集成算法

• 正則化算法

• 決策樹算法

• 貝葉斯算法

• 關聯規則學習

• 人工神經網絡

• 基于核的算法

• 基于實例的算法

三、研究內容

機器學習領域的研究工作主要圍繞以下三個方面

• 面向任務的研究，研究和分析改進一組預定任務的執行性能的學習系統。
• 認知模型，研究人類學習過程并進行計算機的模擬。
• 理論分析，從理論上探索各種可能的學習方法和獨立于應用領域的算法。

到此這篇關于Python機器學習之基礎概述的文章就介紹到這了,更多相關Python機器學習內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！