机器学习介绍

人工智能介绍

机器学习、人工智能、深度学习关系

• 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发展而来

机器学习、深度学习能做些什么

• 行业：医疗、航空、教育、物流、电商等
• 领域：自然语言处理、图像识别、传统预测

预测领域

• 预测场景：店铺销量预测、量化投资、广告推荐、企业客户分类、SQL语句安全检测分类
• 图像场景：街道交通标志检测、人脸识别
  
• 自然语言处理场景：文本分类、情感分析、自动聊天、文本检测
• 

人工智能阶段学习

什么是机器学习

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。

让机器学会像人一样总结规律（模型）预测

• 比如：从数据（大量的猫和狗的图片）中自动分析获得模型（辨别猫和狗的规律），从而使机器拥有识别猫和狗的能力。
  
• 比如：从数据（房屋的各种信息）中自动分析获得模型（判断房屋价格的规律），从而使机器拥有预测房屋价格的能力

从历史数据当中获得规律？这些历史数据是怎么的格式？

数据集构成

特征值+目标值（训练数据+预测数据）

对于每一行数据我们可以称之为样本。
有些数据集可以没有目标值：

机器学习算法分类

监督学习(supervised learning)（预测）

• 定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归），或是输出是有限个离散值（称作分类）。
• 分类 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络
• 回归 线性回归、岭回归
  无监督学习(unsupervised learning)
• 定义：输入数据是由输入特征值所组成。
• 聚类 k-means

机器学习开发流程

流程1

流程2