《机器学习实战》学习笔记更新.zip

机器学习包括多种算法，用于解决各种问题类型。以下是一些常见的机器学习算法：监督学习算法包括线性回归、逻辑回归、决策树、随机森林、支持向量机、朴素贝叶斯、K近邻算法以及深度学习算法如神经网络。无监督学习算法有K均值聚类、层次聚类、高斯混合模型、主成分分析以及关联规则学习。这些算法只是机器学习领域的一小部分，还有许多其他算法和技术。根据问题性质和数据特点，选择适合的算法至关重要。不同算法有不同假设和适用场景，因此需要综合考虑问题需求和数据特点。机器学习是人工智能的一部分，是实现人工智能的途径之一，但并非唯一途径。它研究计算机如何模拟或实现人类学习行为，以获取新知识或技能，并不断改善自身性能。大约在上世纪80年代开始蓬勃发展，产生了许多数学统计相关的机器学习模型。深度学习是机器学习的一部分，灵感来自人脑，由人工神经网络组成，模仿人脑中的结构。学习通过深层、多层网络中相互关联的神经元进行。深度通常指的是神经网络中隐藏层的数量。大约在2012年后迅速发展，广泛应用于许多场景。