파이썬 기계학습 예제

기계 학습은 1959년 아서 사무엘(Arthur Samuel)에 의해 “컴퓨터가 명시적으로 프로그래밍되지 않고 학습할 수 있는 능력을 제공하는 연구 분야”로 정의되었습니다. 즉, 하드 코딩 없이 컴퓨터에 지식을 스며들게 합니다. 제가 개인적으로 발견한 바에 따르면, 프로그래밍 커뮤니티 외부의 사람들은 주로 기계 인텔리전스가 하드 코딩되어 현장의 현실을 전혀 인식하지 못한다고 믿습니다. 머신 러닝에서 가장 큰 어려움 중 하나는 학습 부분에서 풍부한 자료였습니다. 기계 학습이라는 주제에 대한 수식, 차트, 방정식 및 수많은 이론을 찾을 수 있지만 실제로 기계를 프로그래밍하고 실제 데이터에서 알고리즘을 실행하는 실제 “기계” 부분에서는 거의 찾을 수 없습니다. 이것은 주로 역사 때문입니다. 50 년대에, 기계는 매우 약한, 그리고 아주 작은 공급, 이는 반세기 동안 매우 많은 경우 남아 있었다. 머신 러닝은 주로 이론적인 것으로 강등되었고 실제로 는 거의 사용되지 않았습니다. 예를 들어, 지원 벡터 기계(SVM)는 1963년 소련의 블라디미르 바프니크에 의해 만들어졌지만, 90년대까지 는 바프니크가 벨 연구소에 의해 소련을 미국으로 빼앗겼을 때 크게 주목받지 못했다. 신경망은 1940년대에 구상되었지만, 당시컴퓨터는 잘 작동할 수 있을 만큼 강력하지 않았으며, 비교적 최근의 시기까지는 그렇지 않았습니다. 로지스틱 회귀는 69 %의 정확도를 얻기 위해, 여기에 네이브 베이즈보다 약간 더 나은 수행하지만, k-NN을 이길 하기 위해 우리는 더 강력한 파이썬 기계 학습 알고리즘이 필요합니다. 유능한 ML 디자이너의 공급은 아직이 수요를 따라 잡지 못했습니다. 이것에 대한 주요 이유는 ML이 단지 평범한 까다로운 것입니다.

이 기계 학습 자습서에서는 ML 이론의 기본 을 소개하고 공통 된 주제와 개념을 내려 놓고 논리를 쉽게 따르고 기계 학습 기본 사항에 익숙해지도록합니다. 지원 벡터 기계 (SVM)를 설명하는 아주 좋은 쓰기는 더 자세한 내용을 원하는 사람들을 위해 여기에서 찾을 수 있습니다,하지만 지금은, 그냥 다이빙과 더러운 우리의 손을 얻을 수 있습니다 : 나는 푸네, 인도에 본사를 둔 소프트웨어 엔지니어입니다. 저는 AI, 머신 러닝, 그리고 언젠가 공상 과학을 현실로 만들 수 있는 모든 것에 깊은 관심을 가지고 🙂 이 것을 접하고 스스로 문제를 시작하고 싶다면 이러한 데이터 세트를 찾는 것이 어려울 수 있습니다. 그러나 일반적으로 UCI 기계 학습 리포지토리 또는 Kaggle 웹 사이트에서 좋은 데이터 집합을 찾을 수 있습니다. 또한 리소스가 있는 이 KD 너겟 목록을 확인하십시오. 분명히 “/경로/to”를 실제 경로로 대체합니다. 내 시스템 파이썬은 내 / 사용자 / / 라이브러리 폴더에 있지만 Mac에 있습니다. 머신 러닝(ML)은 ML이 데이터 마이닝, 자연어 처리, 이미지 인식 및 전문가 시스템과 같은 광범위한 중요한 응용 분야에서 핵심적인 역할을 할 수 있다는 인식이 높아짐에 따라 자체적으로 출시되고 있습니다. ML은 이러한 모든 도메인 과 그 이상에서 잠재적인 솔루션을 제공하며 미래 문명의 기둥이 될 것입니다. 신경망에 대한 경험을 얻으려면 파이썬과 Keras를 사용하여 구현해 보겠습니다.

© 2019 A MarketPress.com Theme