学习笔记之机器学习（Machine Learning）

机器学习 - 维基百科，自由的百科全书

• https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0
• 机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多推论问题属于无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。
• 机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。

Machine Learning with Python: Machine Learning Course

• https://www.python-course.eu/machine_learning.php

Machine Learning Crash Course  |  Google Developers

• https://developers.google.com/machine-learning/crash-course/
• Google‘s fast-paced, practical introduction to machine learning

常用机器学习实践技巧 - Python中文社区

• https://mp.weixin.qq.com/s/zvhnUiDEvMKiSu3Q_fY7BQ
• 我们知道在机器学习的实践中有很多技巧是可以通用和流程化的，在这里我们通过一个简单的数据集来演示在数据的使用和处理过程中常用的实践技巧，内容主要包含了：
  • 数据预览
  • 数据可视化
  • 查找最优模型
  • Pipeline的使用
  • 模型调节

学习笔记之机器学习（Machine Learning）

原文：https://www.cnblogs.com/pegasus923/p/10365130.html