人工智慧和機器學習的區別：機器學習可以實現人工智慧
機器學習概念：機器學習就是利用樣本資料進行一系列分析得到乙個資料模型。這個模型可以對未知資料進行**或分類
模型：對資料進行一系列分析後得到的產物，模型，模型存在的意義就是對未知資料進行**
訓練模型：將樣本資料進行分析，訓練他們，得到訓練後的產物，模型
樣本資料：特徵資料和標籤資料
模型分類
樣本資料載體：儲存csv檔案中
不用資料庫的原因：資料庫儲存資料格式不符合機器學習資料格式；
量級大的檔案資料庫無法高效讀寫。
我的解釋：
樣本資料：
模型的分類：
無監督學習
學習機器學習1
概率詮釋兩大學派 頻率派 統計機器學習 貝葉斯派 概率圖模型 李航統計學習方法的十個演算法 感k樸決邏 支提e隱條 感知機 k近鄰樸素貝葉斯 決策樹邏輯回歸與最大熵模型 支援向量機 提公升方法 em演算法 隱馬爾可夫模型 條件隨機場 prml 貝派 回分神核稀 圖混近採連 順組線性回歸 分類神經網路...
機器學習 機器學習筆記整理02 機器學習概述
2.機器學習 machine learning,ml 2.1 概念 多領域交叉學科，涉及概率論 統計學 逼近論 凸分析 演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。2.2 學科定位 人工智慧 artifi...
機器學習 機器學習目錄
注 後期有時間的話會對每乙個演算法進行講解。1 普通線性回歸 2 廣義線性模型 3 邏輯回歸 4 線性判定分析1 決策樹基本原理與構建 2 cart演算法 3 回歸決策樹 4 分類決策樹1 貝葉斯定理與樸素貝葉斯 2 高斯貝葉斯分類器 3 多項式貝葉斯分類器 4 伯努利貝葉斯分類器 5 遞增式學習1...