概述
什么是机器学习？
机器学习是一种实现人工智能的方法。
从数据中寻找规律，建立关系，根据建立的关系去解决问题。
机器学习的应用场景
数据挖掘
计算机视觉
自然语言处理
证券分析
医学诊断
机器人
DNA测序
实现机器学习的基本框架
将训练数据喂给计算机。计算机自动求解数据关系，在新的数据上做出预测或给出建议。
机器学习的类别
监督学习
训练数据包括正确的结果
无监督学习
训练数据不包括正确的结果
半监督学习
训练数据包括少量正确的结果
强化学习
根据每次收获的奖惩进行学习，实现优化。
机器学习的类别（图解）
强化学习
后续课程内容
~监督学习
线性学习
逻辑回归
决策树
神经网络、卷积神经网络、循环神经网络
~无监督学习
聚类算法
~混合学习
监督学习+无监督学习
知识巩固
问题：以下哪些应用采用了机器学习？
A.计算机根据汽车行进速度与时间，自动计算出行距离
B.设备检测工作温度过高发出警报
C.计算机自动搜索网络中潜在的反动舆论
D.德州扑克Pluribus
最后
以上就是清新自行车为你收集整理的机器学习之线性回归第一节机器学习介绍的全部内容，希望文章能够帮你解决机器学习之线性回归第一节机器学习介绍所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复