数据挖掘学习小白笔记第一天

1.人工智能，机器学习，深度学习的关系？

答：机器学习是人工智能的实现途径，深度学习是机器学习的一个方法发展而来

2.人工智能的主要分支是？

答：计算机视觉（CV）：计算机感知周围环境，实际应用如：图像识别，图像处理；

        自然语言处理（NLP）：文本挖掘，机器翻译等；

        机器人

3.机器学习的主要流程？

答：数据采集（目前在工作中还未接触到）；

       数据预处理：对数据去除异常值，数据缺失值处理；个人感觉这算是个难点了，由于现在是在做数据分析师，对数据预处理见解类似于ETL流程里ods层数据进入dw层，将数据进行清洗，异常值的判断，数据的缺失要结合业务知识的理解，这个需要在任务开始阶段与相关数据人员，业务人员确定处理规则；后面有新理解再补充

        特征工程：稍后详解

        机器学习（模型训练）：稍后详解

        模型评估：字面意思，模型测试结果准确就上线，不准就重来奥，至于怎么测试，还没学到先就不写捏。

4.机器学习的定义：从数据中自动分析出模型，对利用模型对未知事物进行预测（nb，希望我学完了可以预测彩票捏）

5.数据简介

英雄名称	身高	体重	好看程度
熔岩巨兽	100	1000	？
寒冰射手	1.7	50	好
离群之刺	1.7	50	好
不详之刃	1.7	50	好

 一行数据称为一个样本，一列数据称为一个特征，上表中的好看程度就是目标值（标签值）

这里比较绕口，目前我的理解是一个样本是包含多个属性的数据，特征是值表中某一个属性数据，目标值是用来判断某个属性的范围，笼统描述？）