资料下载
机器学习入门资料之机器学习的详细资料介绍
分享资料个
机器学习是计算机科学的一个子领域，根据Arthur Samuel在1959年提出的，它赋予“计算机在不被明确地编程的情况下学习的能力。”1_是人工智能中模式识别和计算学习理论研究的进展，2_机器学习探索了学习数据和对数据进行预测的算法的研究和构造.3.这种算法通过进行数据驱动的预测或决策来严格遵循静态程序指令克服，4.2通过从样本i建立模型。NETP.机器学习用于一系列计算任务，其中设计和编程具有良好性能的显式算法是困难或不可行的；示例应用包括电子邮件过滤、检测网络入侵者或对数据泄漏进行工作的恶意内部人员，5_光学字符识别（OCR），6学习排序，计算机视觉。
机器学习与计算统计学密切相关（并且经常与计算统计学重叠），计算统计学还着重于通过使用计算机进行预测。它与数学优化有很强的联系，它为该领域提供了方法、理论和应用领域。机器学习有时与数据挖掘相混淆，后者更侧重于探索性数据分析，被称为无监督学习。然后用来发现有意义的异常。
在数据分析领域中，机器学习是一种用来设计复杂模型和算法的方法，用于预测；在商业应用中，这被称为预测分析。这些分析模型允许研究人员、数据科学家、工程师和分析师“产生可靠的、可重复的决定和结果”，并通过学习数据中的历史关系和趋势来发现“隐藏的见解”。
到2016年，机器学习是一个时髦词汇，根据Gartner的2016年宣传周期，在其膨胀的期望高峰期。12_有效的机器学习很难，因为很难找到模式，并且常常没有足够的训练数据可用；结果，机器学习程序往往无法交付。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
