机器学习简介

一、什么是机器学习？

是一门研究计算机模拟人类学习行为的学科

不 需要外部的明显指示，计算机自己通过数据进行建模和学习来进行建模和预测

简单的说，就是利用计算机把无序的数据转换为有用的信息的一门学科

二、什么是深度学习？

是基于机器学习延伸出来的一个新的领域

以人的大脑结构为启发的神经网络算法为起源

加之模型结构深度的增加发展

并伴随大数据和计算能力的提高而产生的一系列新的算法

三、机器学习的一些基本概念

训练集 / 训练样例：用来训练，是产生模型或算法的数据集

测试集 / 测试样例：用来测试已经学习好的模型或算法的数据集

特征向量：属性的集合，通常用向量表示，附属于一个实例

标签（ label ）：实例类别的标记

分类：目标标记为类别型数据

回归：目标标记为连续性数值

监督学习：训练集有类别标签

非监督学习：无类别标签

半 监督学习：有类别标签的训练集 + 无类别标签的训练集

四、机器学习步骤框架

1. 把数据拆分成训练集和测试集

2. 把训练集和训练集的特征向量来训练算法

3. 用学习来的算法运用在测试集上来评估算法