机器学习速成教程

原文： 机器学习速成教程
作者： Carlos E. Perez
译者： KK4SBB
欢迎技术投稿、约稿、给文章纠错，请发送邮件至heyc@csdn.net

本文来自加州大学伯克利分校机器学习实验室。作者们用通俗易懂的语言讲解了什么是机器学习、回归与分类的概念、损失函数的类型以及梯度下降方法，希望读者能够理解最基础的机器学习算法，并将其应用于实际项目中。

什么是机器学习？

机器学习并不是一个深奥的概念。实际上，大部分机器学习的算法都仅仅在做一项任务：划线。换句话说，机器学习的本质就是画一条线来区分样本数据。什么意思呢？作者举了几个例子。

分类

假设我们有一堆苹果和橘子的图片。我们可以从图片中获取水果的颜色和大小信息，我们想根据这些信息将图片分为苹果和橘子两类。大多数机器学习算法的第一步是获取标记过的训练数据。在这个例子中，我们需要先收集大量已经被标记过的图片，每张图片属于苹果或者橘子。然后，从这些图片中抽取出颜色和尺寸信息，寻找它们与苹果或者橘子的联系。这些信息在二维平面上的表示如图所示：

上图中