机器学习（1）——基础概念

转载请注明作者和出处：https://blog.csdn.net/qq_28810395
Python版本： Python3.x
运行平台： Windows 10
IDE： Pycharm profession 2019

机器学习简单概述

机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。换句话说，就是机器学习使我们利用计算机彰显数据背后的真实含义。

机器学习的领域

机器学习的适用现实应用领域包括数据挖掘、视觉识别、语音识别、自然语言处理、推荐系统等。
数据挖掘：主要处理的是一些结构化的处理，一般就是对某个变量进行分类或者回归，主要应用于金融防控，精准营销等领域。
视觉识别：主要就是与图片，视频有关，主要落地领域为人脸识别，行人重识别，医学图像处理，自动驾驶等。
语音识别：主要就是处理音频类的问题，语音识别，语音合成等，目前科大讯飞语音识别基本是国内领军企业。
自然语言处理：主要处理的是文本类的问题，主要落地领域为机器翻译，文本分类与摘要，智能输入法，聊天机器人等。
推荐系统：现在短视频或者新闻资讯类平台的核心所在，利用推荐算法可以从大量信息中找出用户可能感兴趣的内容。

机器学习主要任务

机器学习一般根据处理的数据是否具有标签信息，将机器学习分为监督学习和无监督学习
监督学习：一般为分类与回归，这类算法利用样本集合进行训练，得出一个模型，最后输入未知数据进行处理，得出数据类型
非监督学习：通过学习没有分类标记的训练样本，直接建立一个模型，以揭示数据的内在性质和规律。

机器学习应用程序设计步骤

收集数据：利用爬虫、传感器反馈、API等进行数据收集；
准备输入数据：将得到的数据进行处理（格式处理等）
分析输入数据：人工鉴别与分析；
训练算法：将样本集数据进行输入，从中抽取知识或信息；（核心）
测试算法：将未知数据输入模型，进行评估算法；（核心）
使用算法：将机器学习算法转换为应用程序并执行，检测实际环境是否适合。

安装NumPy函数库

机器学习算法设计很多线性代数知识，因此使用Python语言构造机器学习应用时，常使用NumPy函数库，所以下面讲解在Pycharm中安装NumPy函数库步骤。

创建完工程后左上角打开File并打开Setting
打开Project Interpreter并右端点击加号添加模块
左上角输入你要添加的模块，并下载安装
返回观测是否安装成功