鑒于題主的問題有些寬泛，我想把范圍縮小一些來進(jìn)行解釋?！救斯ぶ悄堋渴且粋€(gè)比較寬泛的概念，目的是讓機(jī)器像人類一樣思考，【機(jī)器學(xué)習(xí)】是“人工智能”的一個(gè)分支，【深度學(xué)習(xí)】是“機(jī)器學(xué)習(xí)”的一種方法，三者之間的關(guān)系類似于下圖。
綜合我個(gè)人的理解，目前機(jī)器學(xué)習(xí)中的各類算法和原理基本能解決大多數(shù)日常所處理的問題。
（一）首要問題：“語言的選擇”
擺在題主面前的首要問題是“入門”，所以我們需要在前人的基礎(chǔ)上進(jìn)行理解和應(yīng)用。在這里我推薦Python，除了Python語法簡(jiǎn)潔靈活以外，目前人工智能或者機(jī)器學(xué)習(xí)庫(kù)在Python語言上最為豐富和完善——是的，沒有之一。
這里我想解釋一下“庫(kù)”的概念，目前語言的一個(gè)趨勢(shì)就是提高工作效率，也即“拿來主義”，別人做好的東西你可以直接拿來用，單這并不是說你什么都不需要做了，而是這只是一個(gè)工具，單是理解如何使用工具就不是一個(gè)輕松的事情。
如果題主想從0開始自己寫機(jī)器學(xué)習(xí)的工具，那么我不推薦，一般來說大多數(shù)人沒有這個(gè)能力，也確實(shí)沒有必要。
1.所謂的“沒有能力”，不是說你真的寫不出來，而是一個(gè)成熟的庫(kù)和包需要長(zhǎng)時(shí)間的調(diào)試和完善，一方面保證寫出來的工具要不出錯(cuò)并且具備很好的效果，另一方面要有方便的使用性；
2.所謂的“沒有必要”，自己費(fèi)心費(fèi)力寫出來的沒有“大牛們”寫得好，運(yùn)行效率快，還是要依賴別人寫的庫(kù)，所以還是站在巨人的肩膀上比較好。
（二）“算法的理解”
現(xiàn)在我們步入正題，我們要使用“庫(kù)”就要在理解的基礎(chǔ)上調(diào)用，不同的問題處理要使用不同的算法。
機(jī)器學(xué)習(xí)認(rèn)為常見的問題一般分為三種：
所謂【分類】，舉個(gè)列子，就是人有男女性別之分，回答有正確錯(cuò)誤之分，相貌有美丑之分；所謂【聚類】，你不能判斷一個(gè)東西的具體類別而是說大致更接近什么，通俗來說就是更加模糊的分類，一個(gè)四不像的動(dòng)物從概率來說更像什么；所謂【回歸】，針對(duì)一系列連續(xù)的值，比如明天的天氣是20℃還是21或者30這樣、或者小明數(shù)學(xué)成績(jī)考了60分還是72分。
明白了問題的類型，我們才能選擇特定的算法：針對(duì)【分類】問題，可以選擇KNN算法、決策樹、樸素貝葉斯、支持向量機(jī)、邏輯斯蒂回歸；針對(duì)【聚類】可以使用K-mean算法；針對(duì)【回歸】問題，可以選決策樹、樸素貝葉斯、支持向量機(jī)。（對(duì)的，我沒有寫錯(cuò)，決策樹、樸素貝葉斯、支持向量機(jī)既可以分類也可以回歸）值得一提得是，邏輯斯蒂回歸雖然是回歸命名，但卻只能用于分類。
這些都是常見的機(jī)器學(xué)習(xí)算法，也是入門的程序員所需要掌握的，具體的使用還是要看sklearn官方網(wǎng)站的詳細(xì)介紹，這里我就不詳細(xì)解釋了。但要說明的是，算法只是解決問題的方法，數(shù)據(jù)才是關(guān)鍵，如何對(duì)特征維度進(jìn)行處理以及提取有效的特征維度更加重要。
Sklearn庫(kù)網(wǎng)站：http://scikit-learn.org/stable/modules/classes.html
聯(lián)系客服
