機器學習概述

特征工程

特征工程是指從原始數據轉換為特征向量的過程。特征工程是機器學習中最重要的起始步驟，會直接影響機器學習的效果，并通常需要大量的時間。典型的特征工程包括數據清理、特征提取、特征選擇等過程。

數據集

下面列舉了一些示例來說明哪些內容能算作數據集：

• 包含某些數據的表格或 CSV 文件

• 組織有序的表格集合

• 采用專有格式的文件，其中包含數據

• 可共同構成某個有意義數據集的一組文件

• 包含其他格式的數據的結構化對象，您可能希望將其加載到特殊工具中進行處理

• 捕獲數據的圖像

• 與機器學習相關的文件，如經過訓練的參數或神經網絡結構定義

• 任何看來像數據集的內容

特征提取

特征預處理

特征降維

特征選擇

主成分分析

分類算法

分類算法-sklearn轉換器和估計器

分類算法-K-近鄰算法

回歸與聚類算法

整理中

代碼地址：Gitee

總結

以上是生活随笔為你收集整理的【机器学习】快速入门机器学习的全部內容，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。