首页 > 脚本专栏 > python > Python机器学习

Python机器学习之基础概述

2021-05-19 16:47:38 作者：ProChick

今天带大家回顾python机器学习的相关知识,文中非常详细的介绍了Python机器学习的基础概述,算法分类及研究内容,需要的朋友可以参考下

一、基础概述

机器学习（Machine Learing）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
机器学习专门研究计算机怎样模拟或实现人类的学习行为，以便获取新的知识和技能，重新组织已有的知识结构使之不断改善自身的性能。
机器学习是人工智能的核心，是计算机具有智能的根本途径，其应用遍及人工智能的各个领域。
机器学习使用归纳、综合而不是演绎。

二、算法分类

按照学习方式

监督学习

在这里插入图片描述

半监督学习

在这里插入图片描述

无监督学习

在这里插入图片描述

强化学习

在这里插入图片描述

按照算法相似性

回归算法

在这里插入图片描述

聚类算法

在这里插入图片描述

降维算法

在这里插入图片描述

深度学习

在这里插入图片描述

集成算法

在这里插入图片描述

正则化算法

在这里插入图片描述

决策树算法

在这里插入图片描述

贝叶斯算法

在这里插入图片描述

关联规则学习

在这里插入图片描述

人工神经网络

在这里插入图片描述

基于核的算法

在这里插入图片描述

基于实例的算法

在这里插入图片描述

三、研究内容

机器学习领域的研究工作主要围绕以下三个方面

面向任务的研究，研究和分析改进一组预定任务的执行性能的学习系统。
认知模型，研究人类学习过程并进行计算机的模拟。
理论分析，从理论上探索各种可能的学习方法和独立于应用领域的算法。

到此这篇关于Python机器学习之基础概述的文章就介绍到这了,更多相关Python机器学习内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

Python机器学习之基础概述

一、基础概述

二、算法分类

三、研究内容

您可能感兴趣的文章: