左耳听风
陈皓
网名“左耳朵耗子”,资深技术专家
180928 人已学习
新⼈⾸单¥98
登录后,你可以任选6讲全文学习
课程目录
已完结/共 119 讲
左耳听风
15
15
1.0x
00:00/00:00
登录|注册

14 | 推荐阅读:机器学习101

聚类算法、主成分分析、奇异值分解、独立成分分析
决策树、朴素贝叶斯分类、最小二乘法、逻辑回归、支持向量机、集成方法
其他推荐的图书和博客
Medium上的机器学习教程和资源
Python机器学习教程
Google Developers的机器学习视频
加州理工学院的机器学习课程
卡内基梅隆大学的机器学习课程
吴恩达教授的机器学习课程
非监督式学习算法
监督式学习算法
简单粗暴的玩法:数据搅拌机
数据建模和规律发现
特征点抽象成数学向量
应用:异常检测、推荐系统
示例:交易数据分析、精准市场营销
寻找数据中的共性和规律
无标签数据
问题:缺乏历史数据、噪音数据
示例:手写数字识别、需求预测
识别未标记数据
提供样本数据和标签
学习资源推荐
相关算法
数据规律和关联
非监督式学习
监督式学习
机器学习101

该思维导图由 AI 生成,仅供参考

你好,我是陈皓,网名左耳朵耗子。
自从 2012 年在亚马逊第一次接触机器学习(一个关于预测商品需求的 Demand Forecasting 的项目)以来,我一直在用一些零星的时间学习机器学习相关的东西。所以,说实话,在机器学习方面,我也只是一个新手,也在入门阶段。
在前面课程的评论中,有网友希望我写一篇有关大数据和机器学习的文章,老实说,有点为难我了。所以,我只能结合自己的学习过程写一篇入门级的文章,希望能看到高手的指教和指正。
首先,简单介绍一下机器学习的一些原理。机器学习主要来说有两种方法,监督式学习(Supervised Learning)和非监督式学习(Unsupervised Learning)。

监督式学习

所谓监督式学习,也就是说,我们需要提供一组学习样本,包括相关的特征数据以及相应的标签。程序可以通过这组样本来学习相关的规律或是模式,然后通过得到的规律或模式来判断没有被打过标签的数据是什么样的数据。
举个例子,假设需要识别一些手写的数字,那么我们就需要找到尽可能多的手写体数字的图像样本,然后人工或是通过某种算法来明确地标注什么是这些手写体的图片,谁是 1,谁是 2,谁是 3……这组数据就叫样本数据,又叫训练数据(training data)。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

文章《机器学习101》由左耳朵耗子撰写,全面介绍了机器学习的基本原理和方法。作者首先解释了监督式学习和非监督式学习的应用场景和特点,以及机器学习所需的数学基础知识。此外,文章还详细介绍了监督式学习和非监督式学习的相关经典算法,如决策树、朴素贝叶斯分类、逻辑回归等,以及聚类算法、主成分分析等。此外,作者还推荐了一系列学习资源,包括课程、视频、博客和图书,为读者提供了丰富的学习资料。整篇文章以简洁有趣的语言生动地解释了机器学习的基本原理和方法,为读者提供了全面的学习指南。文章内容涵盖了机器学习的基本概念、相关算法和学习资源,适合初学者快速了解和入门。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《左耳听风》
新⼈⾸单¥98
立即购买
登录 后留言

全部留言(45)

  • 最新
  • 精选
  • 挖坑的张师傅
    希望耗子哥谈谈 Java 单元测试,API 接口测试方面的一些最佳实践
    2017-11-17
    63
  • 李牧之
    推荐一部《集体智慧编程》,作为第一本书。虽然比较老,算是入门经典,只会简单python即可。
    2017-11-17
    26
  • 机器学习基本就是在已知的样本数据中寻找数据的规律,在未知的数据中找数据的关系。
    2018-07-06
    11
  • 李志博
    楼上问单元测试的朋友,如果你测的是dao 层,那就要走集成测试,本来也不需要mock,如果你测service那么一定要mock
    2017-11-16
    10
  • 推荐fastai
    2018-09-25
    7
  • 二师哥
    机器学习离我比较远,先Mark下,等以后有时间精力了,再回头细细琢磨!
    2018-06-21
    7
  • Cy23
    感觉自己掉队的越来越远,呼吸都困难了
    2019-08-29
    5
  • 机器学习中的基本方法论是这样的。 要找到数据中的规律,你需要找到数据中的特征点。 把特征点抽象成数学中的向量,也就是所谓的坐标轴。一个复杂的学习可能会有成十上百的坐标轴。 抽象成数学向量后,就可以通过某种数学公式来表达这类数据(就像 y=ax+b 是直线的公式),这就是数据建模。 这个数据公式就是我们找出来的规律。通过这个规律,我们才可能关联类似的数据。 当然,也有更为简单粗暴的玩法。 把数据中的特征点抽象成数学中的向量。 每个向量一个权重。 写个算法来找各个向量的权重是什么。
    2018-07-06
    4
  • 猪脚姜
    Brownlee的博客真不错,很喜欢里面的各种how to的文章!
    2020-04-24
    3
  • 戰の猫
    居然看了那么多东西好牛👍
    2019-12-14
    2
收起评论
显示
设置
留言
45
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部