【MachineLearning】之 初识

Topic:

1. 什么是机器学习？
2. 什么是监督学习？监督什么？
3. 什么是回归，什么是分类？

一、简介

---

（1）什么是机器学习？

通常所说的「机器学习」往往就是指「统计机器学习」

统计机器学习，英文是：Statistical Machine Learning，它是概率论、统计学、计算理论、最优化方法、以及计算机科学组成的交叉学科，其主要的研究对象是如何从经验中学习并改善具体算法的性能。

其又分为四个类别：
- 监督学习（Supervised learning）
- 非监督学习（Unsupervised learning）
- 半监督学习（Semi-supervised learning）
- 强化学习（Reinforcement learning）

二、监督学习

---

（2）什么是监督学习？监督什么？

监督： 对带有所需对应特征的数据 进行监督

监督学习：监督输入的数据，处理这些特征数据，将其打上标签并输出。
输入：特征变量
输出：标签
处理：建立起 数学函数，即 训练模型

举个栗子
（根据所知的骨头样子，在一群鸡蛋中，找出尽可能像骨头）

三、监督学习中的分类与回归

---

（2）分类？回归？

分类：动物的种类判断、植物的种类判断。。。
回归：找出这群连续的点之间误差最小的线，来预估其他点对应的值

分类：类别（离散值）
回归：线（连续值）

回归问题解决：
- 股票价格预测
- 房价预测
- 洪水水位线

分类问题解决：
- 种类归类

解决方法

回归问题解决方法：
- 线性回归方法
- 多项式回归方法
- 岭回归以及 LASSO 回归方法

分类问题解决方法：
- 支持向量机
- K-近邻算法
- 决策树算法
- 随机森林算法
- 朴素贝叶斯算法那
- ….