【机器学习】1 机器学习概述

1.机器学习、人工智能、深度学习的关系

• 机器学习是人工智能的一个实现途径
• 深度学习是机器学习的一个方法

2.人工智能的起点

1956年，达特茅斯会议，主题是：用机器来模仿人类学习以及他方面的智能。

3.人工智能的三大流派

• 符号主义学派:由心理学途径产生,符号主义认为人工智能起源于数理逻辑,人类认识(智能)的基本元素是符号,而智能行为则是符号运算的结果。
• 连接主义学派:由生理学途径产生,连接主义又称为仿生学派,认为人工智能的基本元素是神经元,智能产生于大量神经元的并行分布式联结之中,而智能行为则是联结计算的结果。
• 行为主义学派:由生物演化途径产生,行为主义认为人工智能起源于控制论,提出智能取决于感知和行为,取决于对外界复杂环境的适应,而不是表示和推理。

4.机器学习的应用

• 传统预测（店铺销量预测、量化投资）
• 图像识别（人脸识别）
• 自然语言处理（文本分析、文本检测）

5.什么是机器学习

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。

6.数据集构成

特征值+目标值

注：

• 对于每一行数据我们称之为一个样本。
• 有些数据集可以没有目标值。

7.机器学习算法分类

（1）监督学习(supervised learning)

特点：有目标值。输入数据有特征，有标签。

算法：

• 分类：k-近邻算法，贝叶斯分类，决策树与随机森林，逻辑回归
• 回归：线性回归、岭回归

1）分类问题

目标值：类别

举例：分析图片是猫还是狗

2）回归问题

目标值：连续型数据

举例：预测房屋的价格

（2）无监督学习

目标值：无。输入数据有特征，无标签。

算法：聚类 k-means

举例：人的分类问题

8.机器学习的开发流程

• 获取数据
• 数据处理
• 特征工程
• 训练并得出模型
• 模型评估

9.学习框架

算法是核心，数据和计算是基础。