机器学习基础入门（一）（机器学习定义及分类）

机器学习定义

给予计算机无需特意带有目的性编程便有学习能力的算法

深度学习算法 

主要有监督学习和非监督学习两类

监督学习（supervised learning）

定义

1、学习由x映射到y的映射关系

2、主动给予机器学习算法正确示例，算法通过示例来学习映射关系

举例 

1、给邮件判断是否是垃圾邮件

2、给音频输出音频的文本

3、给英语输出西班牙语

4、给广告以及用户信息，判断用户是否会点击这个广告

5、给图像以及其他传感器信息，判断汽车以及其他物体的位置

6、给不同房子大小对应的价格（如下图），判断朋友房子（已知大小）对应的价格 

总结 

给算法正确的x、y值，算法能够学习x->y的映射关系，从而此后我们给x便可以知道y的值，

这就是监督学习算法

监督学习算法主要由两种类型：1、回归 2、分类

 非监督学习（unsupervised learning）

定义

1、数据仅仅有x输入，并没有输出标签y

2、非监督算法没有特定的正确输出

3、算法要主动研究数据分布的结构特点等

举例 

1、聚类模型：谷歌新闻推荐

概述：如果我们看一篇有关熊猫、双胞胎的文章，谷歌新闻会很自然的给你推荐其他有熊猫和双胞胎关键字的新闻。本质上是因为算法将这些新闻归为一类，而事先我们并没与规定要根据哪些词将文章归类。

流程：算法主动学习文章标题中的重点关键字---->根据关键字将数万计的新闻分成数万计的类型---->在用户搜索时将同种类型新闻同步展示

核心：工作人员并没有告诉算法哪些是关键字，也没有说要分为几类，在没有监督的情况下算法要自己去学习这些知识

2、聚类模型：客户分类

概述：根据一些指标将用户呈现在空间中的不同位置，算法自己学习将客户分为几类，并判断哪一类的客户会订阅我的专栏（嘻嘻）

流程：算法主动学习用户所在的位置---->自己确定要将用户分为几类---->根据函数等数学方法将其分为几类

核心：工作人员并没有告诉算法要分为几类，在没有监督的情况下算法要自己去确定要分为几类，并成功分类

（下图中的客户就将被分为三类）

总结 

监督算法主要有三类： 1、聚类  2、异常值检测  3、降维

上面这三类算法特点都是：没有人类监督的情况下，算法要自己挖掘数据的特点从而总结出一些数据的特性，来进行任务处理

总结 

机器学习：让算法拥有类似于人类的学习能力，能够不靠人类手动操作自动能够学习一些知识，并代替人类完成一些工作。

机器学习算法分为：一、监督学习    二、非监督学习

监督学习典型算法：回归、分类

非监督学习典型算法：聚类、降维

本篇文章如果能帮助到大家，大家可以点点赞、收收藏呀~