Estom的博客

机器学习分类1 机器学习基本分类基于学科的分类 统计学方法：收集、分析、统计数据。描述数据的集中和离散程度，模型化数据资料。 人工智能：一种积极地学习方法，利用已有的线程的数据对问题进行计算。从而提高机器本身计算和解决问题的能力 信息论：信息的度量和熵的度量。 控制理论：对象之间的联系和通信。 基于学习模式的分类 归纳学习：通过实例数据和结果分析，使得机器能够归纳获得该数据的一种一半模型，从而对更多未知的数据进行预测。 解释学习：根据已有的数据对一半的模型进行解释，从而获得一个较为泛型的学习模型。 反馈学习：通过学习已有的数据，根据不断获取数据的反馈进行模型的更新。从而直接获得一个新的，可以对已有数据进行归纳总结的机器学习方法。 基于应用领域的分类 专家系统：通过数据学习，获得某个方面的经验和认识能力。 数据挖掘：通过对既有知识和数据的学习，挖掘出隐藏在数据之中的行为模式和类型。 图形识别：通过学习已有的数据，从而获得对不同的图像或同一类图像中特定目标的认识。 人工智能：对已有的模式的认识和学习。 自然语言处理：实现人与对象之间通过某种语言进行有效通信。 模式识别，计算机视觉...

基础知识 1.数学数学是学不完的，也没有几个人能像博士一样扎实地学好数学基础，入门人工智能领域，其实只需要掌握必要的基础知识就好。AI的数学基础最主要是高等数学、线性代数、概率论与数理统计三门课程，这三门课程是本科必修的。这里整理了一个简易的数学入门文章。数学基础: 高等数学https://zhuanlan.zhihu.com/p/36311622数学基础: 线性代数https://zhuanlan.zhihu.com/p/36584206数学基础: 概率论与数理统计https://zhuanlan.zhihu.com/p/36584335 机器学习的数学基础资料下载:1.机器学习的数学基础.docx中文版，对高等数学、线性代数、概率论与数理统计三门课的公式做了总结2) 斯坦福大学机器学习的数学基础.pdf原版英文材料，非常全面，建议英语好的同学直接学习这个材料下载链接: https://pan.baidu.com/s/1LaUlrJzy98CG1Wma9FgBtg 提取码: hktx 推荐教材相比国内浙大版和同济版的数学教材，通俗易懂，便于初学者更好地奠定数学基础下载链接: ...