Во-первых, нам нужно понять, что такое «машинное обучение». Было бы трудно пытаться двигаться вперед, не понимая логики. Как молодой разработчик программного обеспечения, который будет продвигаться в области науки о данных, я хотел написать на эту тему.
Машинное обучение — это способность интеллектуальных устройств принимать решения и решать проблемы самостоятельно, используя данные. Короче говоря, это подотрасль науки о данных и искусственного интеллекта.
Я думаю, что использование Python — это более простой и популярный способ работы с данными. Библиотеки в Python просты в использовании во многих отношениях. Я буду использовать библиотеки «NumPy», «Matplotlib» и «Pandas» во время обучения, которое я получил и буду получать.
Если мы рассмотрим машинное обучение немного подробнее, то в основном оно делится на две части. Обучение с учителем и обучение без учителя.
Обучение с учителем — это способность распознавать элементы на основе примеров, предоставленных компьютером. Компьютер анализирует это и развивает свою способность распознавать новые данные на основе этих данных. Например, вы можете обучить свой компьютер, отфильтровав спам на основе ранее полученной информации.
Если это неконтролируемое обучение, наша машина примет только один пакет входных данных. Затем он готов определить взаимосвязь между введенными данными и другими гипотетическими данными. Компьютер находит закономерности и отношения между различными наборами данных.
Эта картинка поможет нам лучше понять:
Здесь мы исходим из этих двух основ. Все просто :)
Я заявил, почему я выбрал Python в своем путешествии. Чтобы иметь возможность выполнять машинное обучение с помощью Python, у вас должна быть основа Python. Вы должны брать уроки с нуля на таких платформах, как YouTube. Потому что, когда вы проводите исследования по машинному обучению с помощью Python, вы увидите, что склоны предназначены для людей с определенным уровнем знаний Python. На самом деле, также полезно изучить науку о данных с помощью Python, прежде чем переходить к машинному обучению. Невозможно начать работать в этой сфере с нулевыми знаниями :( Самое главное знать математику. На самом деле человеку, не разбирающемуся в математике, очень сложно чему-то научиться в этой области. Наука о данных - это в основном математика , Машинное обучение — это раздел науки о данных.
Смотрим коды:
Прежде всего, в верхней части страницы мы должны «импортировать» библиотеку, которую будем использовать. Я использую библиотеку панд.
После импорта нашей библиотеки нам нужно добавить набор данных, который будет использоваться.
Используя функцию .describe(), мы выведем наш набор данных.
Как только мы это сделали, мы можем обрабатывать данные по своему усмотрению. Мы можем анализировать, строить графики или делать линейную регрессию, если захотим. Остальное будет происходить полностью в соответствии с тем, что мы узнали. Введение можно резюмировать следующим образом.
Я новичок в машинном обучении. В этой статье я поделился тем, что узнал, и своим первым опытом.
Спасибо за прочтение..
