什么是机器学习？来源 – 新一代应用

[tanjimajha12]

机器学习已经成为一股主导力量，并真正促进了所有其他领域的进步。无论行业规模大小，机器学习都极大地加速了其增长。这就是为什么了解机器学习基础知识现在比以往任何时候都更加重要。

根据《福布斯》最近的一份报告，2013 年至 2017 年期间，与机器学习应用相关的专利以 34% 的复合年增长率增长，使机器学习成为增长速度第三快的专利类别。

本文重点介绍与机器学习基础相 保加利亚手机号码数据库 关的概念。继续阅读，以更广泛地了解机器学习，以及为什么它最近成为各个领域行业进步的驱动力。

什么是机器学习？
什么是机器学习？

基本上，机器学习是人工智能 (AI) 的应用之一。通过机器学习，系统能够从经验中学习并不断改进，而无需明确编程。

不同类型的机器学习主要侧重于协助开发一些计算机程序，这些程序可以访问某些数据并利用这些数据进行学习和改进。机器学习的过程始于对数据（如指令、示例或直接经验）的观察。

这样，寻找数据中的模式变化并进行必要的更改以在未来做出更好的决策就变得更容易了。了解什么是机器学习的主要目的是让计算机学会自动掌控，而无需任何形式的人工干预或行动。

机器学习术语表
学习机器学习基础知识的第一步是了解常见的机器学习术语的含义。以下是其中一些。

（a）准确率——模型正确预测的总百分比。

(b) 算法——有助于生成机器学习模型的函数、方法或一系列指令。

（c）属性——这是描述观察的特征。

（d）偏差度量——这是机器学习基础概念之一，你会经常遇到。它定义了预测的正确值与你的预测值之间的平均差异。

(e) 偏差项– 所有不经过原点的模式都可以用带有偏差项的模型来表示。偏差项通常带有权重，并与过滤器或神经元相关联。

（f）分类变量——这些变量是一组具有所有可能值的离散集合的变量。它们可以是名义的（顺序无关紧要）或序数的（顺序很重要）。

（g）分类——这指的是对分类输出的预测。

（h）分类阈值——这表示可以轻松断言可能分类的最低可能值。

（i）聚类——聚类是指以无监督的方式将数据分组到存储桶中。

（j）混淆矩阵——这是一个表格，其中通过将预测分为 4 种类型的组类别（包括真阴性、真阳​​性、假阴性和假阳性）来描述分类模型的性能。