【机器学习】一、概述

1、人工智能主要分支

1.1 人工智能、机器学习、深度学习

        （1）机器学习是人工智能的一个实现途径

        （2）深度学习由机器学习的一个方法发展而来

1.2 机器学习主要分支

1.3 人工智能发展必备三要素

        （1）人工智能发展必备三要素：数据、算法、计算力

        （2）GPU与CPU对比
                        CPU：更善于读写文件

                        GPU：更善于数据计算，计算密集型程序及易于并行的程序适合在GPU上运行

---

---

2、机器学习

2.1 什么是机器学习

概念：机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。

2.2 工作流程

---

2.3 数据基本处理

2.3.1 数据介绍

在数据集中

        （1）样本：一行数据我们称为一个样本

        （2）特征：一列数据我们成为一个特征

        有些数据有目标值（标签值），有些数据没有目标值

2.3.2数据类型的构成

        （1）数据类型一：特征值+目标值（目标值分为连续的和离散的）

        （2）数据类型二：只有特征值，没有目标值

2.3.3 数据划分

        （1）训练集：用于构建模型，占比0.7-0.8

        （2）测试集：用于模型评估，占比0.2-0.3

2.3.4 数据基本处理

        对数据进行缺失值、去除异常值等的处理

---

2.4 特征工程

• 特征提取
• 特征预处理
• 特征降维

2.4.1 目的

目的：把数据转换成为机器更容易识别的数据

2.4.2 包含内容

        （1）特征提取：将任意数据（文本、图像等）转换成可用于机器学习的数字特征

        （2）特征预处理：通过一些转换函数将特征数据转换为更加适合算法模型的特征数据的过程

        （3）特征降维：值定在某些限定条件下，降低随机变量（特征）个数，得到一组“不相关”主变量的过程。