机器学习简介

一、什么是机器学习？

机器学习指的是让计算机像人类一样，通过经验数据和算法自动学习和改进的过程。比如训练一个AI模型进行游戏闯关、判断一个图片中的动物是猫还是狗。

二、分类

机器学习可以分为有监督学习、无监督学习。

有监督学习：具有真实数据标注的实习，例如图片分类场景下，事先标记图片中的是猫还是狗。

无监督学习：不需要知道数据的类别或标签，而是通过数据本身的特征进行学习和分析，例如常见的聚类分析方法。

三、数据的输入

输入的数据可以分为训练数据、验证数据和测试数据：

1. 训练数据：用于训练机器模型，通过学习训练数据中的模式和规律，来调整自身的参数。
2. 验证数据：用于在模型训练过程中评估模型的性能，并进行超参数调整，以避免过拟合或欠拟合。
3. 测试数据：验证模型在未知数据上的泛化能力。

四、神经网络

在机器学习中，神经网络是一个很重要的概念，通过模拟人脑中信息在神经元中的传递方式，利用权重将不同的神经元进行连接。通过调整这些参数即权重，可以学习输入数据和输出数据之间的复杂关系。