Python机器学习--学习笔记（一）什么是机器学习

目录

目录

一、什么是机器学习

二、机器学习、深度学习的应用

三、机器学习算法分类

四、机器学习开发流程

---

一、什么是机器学习

1、定义：

机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。 [1] 

机器学习有下面几种定义：

（1）机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。

（2）机器学习是对能通过经验自动改进的计算机算法的研究。

（3）机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。 [2] 

------摘自百度百科

2.简单来说机器学习是计算机分析数据，得到模型，并且根据模型对新问题进行预测分析。

这个过程类似于人类对规律的总结和应用。

3.（数据集的结构：特征值+目标值）需要注意的是：

1）数据集中一行数据称为样本。

2）有些数据集可以没有目标值。（根据特征分组）

二、机器学习、深度学习的应用

1.传统预测

2.图像识别

3.自然语言处理

三、机器学习算法分类

1.有目标值--->监督学习（有标准答案）

     分类：

               1） 目标值->类别（离散型）：分类问题 eg.预测明天是阴天还是晴天、人脸识别

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

                2）目标值->数据（连续型）：回归问题 eg.预测明天的平均气温、人脸年龄预测

                        算法举例：线性回归，岭回归

2.没有目标值--->无监督学习 （无标准答案）

                        算法举例：聚类k-means

四、机器学习开发流程

1. 获取数据
2. 数据处理
3. 特征工程
4. 机器学习算法训练
5. 模型评估（好则进行下一步，不好就回到数据处理和特征工程再处理）
6. 应用