机器学习入门

机器学习入门

1基本概念

机器学习是什么

让计算机从数据中进行自动学习，得到某种知识或规律。

将其转换为决策模型，然后将其用于未来的预测

数据集

指一组样本构成的集合。一般将数据集分为两部分：训练集和测试集。

训练集中的样本是用来训练模型，而测试集中的样本是用来检验模型好坏。

学习与训练

不断找到最优模型（最优的从输入x映射到输出y的关系）

2算法的类型

2.1有监督学习

概念

如果机器学习的目标是建模样本的特征 𝒙 和标签 𝑦 之间的关系，并且训练集中每个样本都有标签，那么这类机器学习称为监督学习。（无监督学习则没有标签）

根据标签类型的不同，监督学习又可以分为回归问题、分类问题、结构化学习。

回归问题

利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模。

回归问题的输出是连续值。比如未来几年预测房屋价格的走势，价格是一个连续的值。

（回归问题通常有一元线性回归和多元线性回归，通常用最小二乘法解决）

分类问题

分类问题的输出是离散值。分类问题根据其类别数量又可分为