1.機器學習開發流程

2.機器學習算法分類

3.機器學習模型是什么？

機器學習開發流程

機器學習算法分類

監督學習（特征值+目標值）
監督學習（英語：Supervised learning），可以由輸入數據中學
到或建立一個模型，并依此模式推測新的結果。輸入數據是由
輸入特征值和目標值所組成。函數的輸出可以是一個連續的值
（稱為回歸），或是輸出是有限個離散值（稱作分類）。

分類 k-近鄰算法、貝葉斯分類、決策樹與 隨機森林、邏輯回歸、神經網絡 回歸 線性回歸、嶺回歸 標注 隱馬爾可夫模型 (不做要求)

無監督學習（特征值）
無監督學習（英語：Supervised learning），可以由輸入數據中
學到或建立一個模型，并依此模式推測新的結果。輸入數據是
由輸入特征值所組成。

聚類 k-means

分類
概念：分類是監督學習的一個核心問題，在監督學習中，當輸出變量取有限個離散值時，預測問題變成為分類問題。最基礎的便是二分類問題，即判斷是非，從兩個類別中選擇一個作為預測結果；

回歸
概念：回歸是監督學習的另一個重要問題。回歸用于預測輸入變量和輸出變量之間的關系，輸出是連續型的值。

總結

以上是生活随笔為你收集整理的python人工智能——机器学习——机器学习基础的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。