机器学习知识图谱

简介: 人类的未来就是失控,就是人与机器共生、共存。机器越来越人性化, 人越来越机器化。《失控》这本书,主要就体现了这一思想。 本文选自《全栈数据之门》一书。

引言:人类的未来就是失控,就是人与机器共生、共存。机器越来越人性化, 人越来越机器化。《失控》这本书,主要就体现了这一思想。
本文选自《全栈数据之门》一书。

  琅琊榜首,江左梅郎,得之可得数据科学之天下。 电视剧《琅琊榜》是一部良心好剧,精心制作的剧情,外加画面精美和台词的古典韵味,说其是一部男人的宫斗剧也不假,但更是一部数据分析的作品。其中,最让人感到神奇的是琅琊阁中神奇的情报分析中心,简直就是 一整套完整的数据分析流程,采集江湖与朝廷上重要人物、事件的信息,放到一个大的数据库中存储起来,然后对当前的时势进行预测分析。

  用现在流行的话来说,琅琊阁就是一个大数据分析中心,专门产出各种 数据。主要涉及:排名算法(对江湖高手进行武力值排名),社交网络分析(重要人物都与哪些人有联系)。他们提供了一个著名的问答系统,世间难题, 只要给得起价,都可以在这儿得到答案。它还会做人才推荐引擎,向世间推荐人才,梅郎也是因为他们的人才推荐系统,才能名正言顺地进入朝廷。

  琅琊阁地下室有一个非常庞大的数据仓库,用于存储与处理各种数据。 实际上,他们使用了很多数据挖掘算法,放到现在,就是构成机器学习的重要内容。

  ML是一个非常有意思的词汇,初中生会告诉你,这是毫升的缩写。搞 数据科学的人会告诉你,这是Machine Learning(机器学习)的缩写。人都 会随着认识的不断改变,从而改变最初的一些认识。

  机器学习,本身是一门交叉学科,以算法理论作为基础,其中涉及大量的统计学、线性代数、微积分、凸优化等数据理论,还包含数据库、编程等 计算机知识,因此学好机器学习,着实不那么容易。

  下面是知识图谱(点击图片查看更加清晰)
       图片描述

  图谱出自《全栈数据之门》一书,点此链接可在博文视点官网查看此书。
                    图片描述
  想及时获得更多精彩文章,可在微信中搜索“博文视点”或者扫描下方二维码并关注。
                       图片描述

相关文章
|
10月前
|
存储 人工智能 自然语言处理
机器学习系列 | 04: 知识图谱发展历程及其分类
本文简要梳理知识图谱的前世今生及其分类
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
7 Papers & Radios | 联邦图机器学习综述;基于知识图谱和分子图的药物筛选模型(2)
7 Papers & Radios | 联邦图机器学习综述;基于知识图谱和分子图的药物筛选模型
110 0
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
7 Papers & Radios | 联邦图机器学习综述;基于知识图谱和分子图的药物筛选模型(1)
7 Papers & Radios | 联邦图机器学习综述;基于知识图谱和分子图的药物筛选模型
124 0
|
1月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
|
19天前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
|
1月前
|
机器学习/深度学习 算法 数据可视化
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
27 1
|
1月前
|
机器学习/深度学习 数据采集 算法
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
105 0
|
1月前
|
机器学习/深度学习 数据采集 监控
机器学习-特征选择:如何使用递归特征消除算法自动筛选出最优特征?
机器学习-特征选择:如何使用递归特征消除算法自动筛选出最优特征?
65 0
|
1月前
|
机器学习/深度学习 人工智能 算法
探索机器学习中的支持向量机(SVM)算法
【2月更文挑战第20天】 在数据科学与人工智能的领域中,支持向量机(SVM)是一种强大的监督学习算法,它基于统计学习理论中的VC维理论和结构风险最小化原理。本文将深入探讨SVM的核心概念、工作原理以及实际应用案例。我们将透过算法的数学原理,揭示如何利用SVM进行有效的数据分类与回归分析,并讨论其在处理非线性问题时的优势。通过本文,读者将对SVM有更深层次的理解,并能够在实践中应用这一算法解决复杂的数据问题。
19 0
|
28天前
|
机器学习/深度学习 分布式计算 算法
大模型开发:你如何确定使用哪种机器学习算法?
在大型机器学习模型开发中,选择算法是关键。首先,明确问题类型(如回归、分类、聚类等)。其次,考虑数据规模、特征数量和类型、分布和结构,以判断适合的算法。再者,评估性能要求(准确性、速度、可解释性)和资源限制(计算资源、内存)。同时,利用领域知识和正则化来选择模型。最后,通过实验验证和模型比较进行优化。此过程涉及迭代和业务需求的技术权衡。

热门文章

最新文章