一、基礎(chǔ)概述

• 機(jī)器學(xué)習(xí)（Machine Learing）是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。
• 機(jī)器學(xué)習(xí)專門研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以便獲取新的知識和技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。
• 機(jī)器學(xué)習(xí)是人工智能的核心，是計算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域。
• 機(jī)器學(xué)習(xí)使用歸納、綜合而不是演繹。

二、算法分類

按照學(xué)習(xí)方式

• 監(jiān)督學(xué)習(xí)

• 半監(jiān)督學(xué)習(xí)

• 無監(jiān)督學(xué)習(xí)

• 強(qiáng)化學(xué)習(xí)

按照算法相似性

• 回歸算法

• 聚類算法

• 降維算法

• 深度學(xué)習(xí)

• 集成算法

• 正則化算法

• 決策樹算法

• 貝葉斯算法

• 關(guān)聯(lián)規(guī)則學(xué)習(xí)

• 人工神經(jīng)網(wǎng)絡(luò)

• 基于核的算法

• 基于實例的算法

三、研究內(nèi)容

機(jī)器學(xué)習(xí)領(lǐng)域的研究工作主要圍繞以下三個方面

• 面向任務(wù)的研究，研究和分析改進(jìn)一組預(yù)定任務(wù)的執(zhí)行性能的學(xué)習(xí)系統(tǒng)。
• 認(rèn)知模型，研究人類學(xué)習(xí)過程并進(jìn)行計算機(jī)的模擬。
• 理論分析，從理論上探索各種可能的學(xué)習(xí)方法和獨立于應(yīng)用領(lǐng)域的算法。

到此這篇關(guān)于Python機(jī)器學(xué)習(xí)之基礎(chǔ)概述的文章就介紹到這了,更多相關(guān)Python機(jī)器學(xué)習(xí)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！