01｜打好基础：到底什么是机器学习？
什么是机器学习
荧光笔
直线
曲线- 深入了解
- 翻译
- 解释
- 总结
本文深入介绍了机器学习的基本概念和分类，以及深度学习的应用。首先解释了监督学习、无监督学习和半监督学习的概念，重点介绍了监督学习中的回归和分类问题。随后，强调了强化学习与监督学习的差异和应用领域。接着，深度学习作为一种使用深层神经网络算法的机器学习模型被介绍，强调了其在处理非结构化数据方面的优势。最后，文章总结了机器学习中的各种算法，并表示将在后续课程中通过实际项目实战逐步教授读者相关概念和工具。整体而言，本文以简洁易懂的语言介绍了机器学习的基本概念和应用，为读者快速了解机器学习领域奠定了基础。
《零基础实战机器学习》，新⼈⾸单¥59
全部留言(25)
- 最新
- 精选
Yadira置顶聚类、分类、回归 分类和回归的区别： 1、分类的标签是【离散值】；回归的标签的【连续值】； 2、分类实际是找到一个决策面，达到分类的目的；回归实际是找到最优拟合； 3、分类和回归模型的评估方法不同；作者回复: 精辟，值得置顶。分享给大家。
2021-09-0128- 有铭置顶预测老王今天会不会来打牌，这就是个分类问题 ====== 今天突发奇想：如果我每天都预测一下老王来不来打牌。并且这个预测会用历史数据作为自变量，那这个问题是否会从分类问题变成一个回归问题？
作者回复: 不会的。分类还是回归，看的是标签，不是特征。每天都预测一下老王来不来打牌，你的数据集变成了一个时间序列数据集，其中有一个特征字段是日期。但是标签仍然是“是否打牌”。这仍然是二分类。
2021-09-011 - 有铭置顶虽说深度学习中用的算法叫神经网络算法，但是这个“神经网络”（Artificial Neural Network， ANN）和人脑中的神经网络没啥大的关联，它是数据结构和算法形成的机器学习模型 ====== 我对这句话有疑问，我在别处看到的文献明确的说深度学习的神经网络就是来源于人脑生物学研究的启发，因为生物学发现人脑的神经细胞之间传递信号也是分层的，虽然暂时并不清楚这种分层的意义，但是深度学习的神经网络确实是受到了生物学对大脑研究的启发。只是我们并不能说现在深度学习的神经网络的工作方式就是人脑的工作方式，因为我们对人脑的工作方式还是知之甚少
作者回复: 谢谢你对此问题提出探讨。是的，很多权威的文献都曾经指出深度学习神经网络结构是来源于对人脑神经理解的启发，包括吴恩达的机器学习课程也这么认为。也有些经典书籍，包括Keras之父的《Python深度学习》一书中指出，二者关联并不大，他的意思可能是说，对于我们初学者来说，不要把神经网络的结构想象的过于复杂，其实每一个深度学习神经元，就是一个基本的逻辑回归模型。
2021-08-311 
1900置顶这个课的更新频率是什么呢？编辑回复: 每周一三五，不见不散
2021-08-313
hk置顶老师666，将难的知识点讲的通俗易懂作者回复: 666，这是佳哥的强项。
2021-08-314- dog_brother置顶一，机器学习的概念： 机器学习是一种从大量的数据中生成规则、发现模型，来帮助我们预测、判断、分组和解决问题的技术。 传统程序是程序员来定义函数，而在机器学习中是机器训练出函数。机器学习的本质特征，就是从数据中发现规则。 我们做机器学习项目，就是要选定一个算法，然后用数据训练机器，找到一族函数中最适合的那一个，形成模型。 二，机器学习的分类 训练数据集全部有标签，叫监督学习（supervised learning）； 训练数据集没有标签，叫做无监督学习（unsupervised learning）； 在训练数据集中，有的数据有标签，有的数据没有标签，我们叫做半监督学习（semi-supervised learning） 强化学习，没有训练数据集，需要从环境给它的奖惩中进行学习。 三，监督学习的分类 根据标签的特点，监督学习可以被分为两类：回归问题（标签连续数值）和分类问题（标签离散数值）。 四，深度学习 其深度学习是一种使用深层神经网络算法的机器学习模型，可以应用在监督学习、半监督学习和无监督学习和强化学习中。 深层神经网络的厉害之处在于，它能对非结构的数据集进行自动的复杂特征提取，完全不需要人工干预。在视觉处理和自然语言处理方面都很厉害。
作者回复: 总结的真到位。加油！
2021-08-3111 - 李慧文置顶所以机器学习是弱人工智能吗？
作者回复: 一般认为，强人工智能离我们还很遥远，所以，我的观点是机器学习的确属于弱人工智能。不过，他的实用性可一点都不弱，用好了，能帮我们解决非常多的具体问题。
2021-08-303 
！null置顶买了《数学基础课》《人工智能基础课》《机器学习》《NLP》这些专栏，数学学的很吃力，人工智能基本看不懂，可以考虑从实现学起了作者回复: 加油，咱们一起动手从做项目中学！
2021-08-3027
头发乱了1.无监督学习 聚类 2.监督学习 分类 3.监督学习 回归作者回复: 很正确的答案。手动点赞。
2021-08-3025
keke还有迁移学习、集成学习、联邦学习等等，这些“学习们”的关系是啥？作者回复: 好问题，机器学习新类型很多，分别涉及不同的研究方向。 迁移学习 - 研究如何把机器习得的知识迁移到新模型上？ 集成学习 - 我们会有一讲专门讲解。 联邦学习 - 研究如何在进行分布式的机器学习数据共享的同时保护数据隐私等。 还有很多很多的子类别，如图神经网络，自动化机器学习等等。我们将来找一讲专门谈谈这些新领域。
2021-08-305