爬蟲

Python基礎、數據分析擴展包Numpy、pandas、matplotlib，Python讀取MySQL數據，Python爬蟲及Scrapy框架，無監督機器學習算法聚類分析等，以及案例：互聯網金融行業客戶價值分析等。

機器學習

機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復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性能。

它是人工智能的核心，是使計算機具有智能的根本途徑。

人工智能之父，艾倫·測“有圖靈很早就曾預一天，人們會帶著電腦在公園散步，并告訴對方，今天早上我的計算機講了個很有趣的事”。

機器學習的核心是，“用算法解析數據，從中學習，然后對某些事物做出決定或預測。”這意味著，你無需明確地編程計算機來執行任務，而是教計算機如何開發算法來完成任務。機器學習主要有三種類型，它們各有優缺點，分別是：監督學習，無監督學習和強化學習。

監督學習

監督學習涉及到標注數據，計算機可以使用所提供的數據來識別新的樣本。

監督學習的兩種主要類型是分類和回歸。在分類中，訓練的機器將把一組數據分成特定的類。比如郵箱的垃圾郵件過濾器，過濾器分析之前標記為垃圾郵件的郵件，并將其與新郵件進行比較。如果達到某個百分比，則這些新郵件會被標記為垃圾郵件，并發送到相應的文件夾；不像垃圾郵件的將被歸類為正常并發送到收件箱。

第二種是回歸。在回歸中，機器使用先前標注的數據來預測未來。比如天氣應用。利用天氣的相關歷史數據(即平均溫度，濕度和降水量)，手機的天氣應用可以查看當前天氣，并對一定時間范圍內的天氣進行預測。

無監督學習

在無監督學習中，數據是未標注的。由于現實中，大多數的數據都是未標注的，因此這些算法特別有用。

無監督學習分為聚類和降維。聚類用于根據屬性和行為對象進行分組。這與分類不同，因為這些組不會提供給你。聚類將一個組劃分為不同的子組(例如，根據年齡和婚姻狀況)，然后進行有針對性的營銷。另一方面，降維涉及通過查找共性來減少數據集的變量。大多數數據可視化使用降維來識別趨勢和規則。

強化學習

強化學習使用機器的歷史和經驗來做出決策。強化學習的經典應用是游戲。與監督和無監督學習相反，強化學習不注重提供“正確”的答案或輸出。相反，它專注于性能，這類似人類根據積極和消極后果進行學習。如果孩子碰到了熱爐，他很快就會學習不再重復這個動作。同樣在國際象棋中，計算機可以學習不將王移動到對手的棋子可以到達的地方。根據這個原理，在游戲中機器能夠最終擊敗人類玩家。

總結

以上是生活随笔為你收集整理的mysql做文本挖掘_4graphlab简单文本挖掘的全部內容，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。