本文面向当前和有抱负的机器学习实践者，他们希望实现对现实世界机器学习问题的解决方案 。这是一篇介绍性文章，适用于没有机器学习或人工智能(AI)知识的初学者 。
这篇文章，我将介绍机器学习的基本概念，它的应用，如何建立我们的工作环境，以及一个简单项目的实践 。
机器学习简介机器学习是一种人工智能(AI)，它为计算机提供了学习能力，而不需要显式编程 。
机器学习的分类从广义上讲，机器学习可分为三类：

1. 监督学习
2. 无监督学习
3. 强化学习

为什么是Python？Python已经成为许多数据科学应用程序的通用语言，为数据科学家提供了大量的通用和特殊功能 。

• 它将通用编程语言的强大功能与领域特定脚本语言(如MATLAB或R)的易用性结合起来 。
• 它有用于数据加载、可视化、统计、自然语言处理、图像处理等的库 。
• 它能够使用终端或其他工具(如木星笔记本)直接与代码交互 。

重要性还是机器学习

1. 数据生产的快速增长
2. 解决人类难以解决的复杂问题
3. 包括金融在内的各个部门的决策
4. 找到隐藏的模式并从数据中提取有用的信息 。

机器学习的应用

• 自动驾驶汽车
• 机器人学
• 语言处理
• 视觉处理
• 股市走势预测
• 推荐系统
• 图像和语音识别
• 预测
• 检出

机器学习生命周期

• 数据收集/提取

这是机器学习生命周期的第一个阶段，它涉及到识别和获取所有与数据相关的问题 。
我们可以从许多数据源收集数据 。其中包括文件、数据库、互联网或移动设备 。
这一步骤包括以下任务：
-确定各种数据来源
-收集数据
-综合从不同来源获得的数据

• 数据准备

数据准备是一个步骤，我们把我们的数据放在一个合适的地方，并准备它用于我们的机器学习培训 。
在收集数据之后，我们需要准备好它，以便我们可以在我们的项目中使用它 。这一阶段可分为两个阶段：
i) 。数据勘探
它被用来找出我们要处理的是哪种数据 。我们必须了解数据的特征、格式和质量 。在这个过程中，我们发现了相关性、一般趋势和异常值 。
(二) 。数据预处理/争论
数据预处理是将原始数据转换成可理解格式的过程 。
在实际应用程序中，收集到的数据可能存在各种问题，包括：
-缺失的价值
【游戏攻略去哪个网站查 游戏攻略是什么意思】-重复数据
-无效数据
-噪音

• 数据分析

这一步的目标是创建一个机器学习模型，该模型将使用各种分析方法研究数据，然后评估结果 。首先对问题类型进行识别，然后选择分类、回归、聚类分析、关联等机器学习技术，然后利用准备好的数据构建模型，最后对模型进行评价 。

• 模型训练

在这一步中，我们训练我们的模型，以提高其性能，以更好地解决问题 。需要对模型进行培训，以便它能够理解各种模式、规则和特性 。

• 模型试验

一旦机器学习模型被训练到特定的数据集上，我们就会对它进行测试 。在这个阶段，我们通过提供一个测试数据集来验证我们的模型的正确性 。

• LOL官方壁纸 lol照片壁纸
• 畅玩app官网 畅玩版游戏
• 恋爱养成类手机游戏下载 恋爱养成游戏下载大全
• 大话西游2雁塔异光攻略 大话西游2大雁塔异光
• 游戏显示初始化失败 游戏初始化失败是因为什么
• Fate莫德雷德 莫德雷德是什么游戏
• 少女前线魔方行动 少女前线魔方行动攻略图解
• 模拟农场2013 模拟农场2013
• 游戏鼠标垫粗面还是细面 吃鸡粗面鼠标垫跟细面区别
• 抗日游戏 光荣使命的游戏