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(tǒng)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?qū)崿F(xiàn)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(jié)構(gòu)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(jiān)督學習

• 半監(jiān)督學習

• 無監(jiān)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(guān)聯(lián)規(guī)則學習

• 人工神經(jīng)網(wǎng)絡

• 基于核的算法

• 基于實例的算法

三、研究內(nèi)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(zhí)行性能的學習系統(tǒng)。
• 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(guān)于Python機器學習之基礎概述的文章就介紹到這了,更多相關(guān)Python機器學習內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！