python机器学习

一，概述

1，三者关系

        人工智能>机器学习>深度学习

2，应用领域

        人工智能包括两大领域：连接领域：神经网络，逻辑领域：逻辑主义。

        机器学习可用于，统计学领域：如垃圾邮件过滤。

        深度学习可用于，各个领域。

3，前景

        传统预测：如sql语句安全检测

        图像识别：如人脸识别

        自然语言处理：如翻译，聊天

4，学习路线

        ...

二，机器学习

1，定义

        机器学习：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。   

    

        那么历史数据的格式长什么样子？特征值+目标值，如下图所示：

        每行数据可称样本。

        有些数据集，可以没有目标值，有专门的算法可以解决。

2，算法分类

        辨认狗还是猫？

                目标值：类别（离散），分类问题

                目标值：具体数值（连续），回归问题

        以上存在目标值，即监督学习。

        没有目标值的，即无监督学习。

3，常见算法

        监督学习（预测问题）：

                分类问题：k-近邻算法，贝叶斯分类，决策树与随机森林，逻辑回归。

                回归：线性规划，岭回归

        无监督学习：

                聚类k-means

4，还在学习，大佬勿喷！