零基础入门机器学习，务必先搞清楚这3件事（上）

到底什么是机器学习？

是这样👇？

还是这样👇？

举两个栗子🌰

🍦冰淇淋店的老板可能会使用某个应用，结合历史销售和天气记录，根据天气预报来预测他们在某一天可能会售出多少个冰淇淋。

👨‍⚕️医生可能会使用以往患者的临床数据来运行自动测试，以根据体重、血糖水平和其他测量值等因素来预测新患者是否有患糖尿病的风险。

机器学习是通过数据获得一个函数👇

📊数据


数据又包括特征和标签两部分：

特征👉用小学生都能听懂的话来说就是类似应用题里的已知条件（例如前面例子里的体重和血糖）
。

标签👉可以理解成题目的标准参考答案（例如是否有糖尿病风险）。

🔣函数


计算机像刷题一样看过数据之后，总结出一套解题方法，对于新的题目（特征），它自己就能给出（预测）答案（标签）了，这个方法就是一个函数，也是我们常说的模型。

机器学习有哪些类型？

（实际问题对应到的类型，将直接影响到机器学习应用时的方案与流程，这一点将在后续的专项笔记中深入展开）

机器学习的标准流程是怎样的？

第三个问题是最重要也是最复杂的。

篇幅有限，喵老师这里先简单地给出步骤，详细内容需要另起一篇笔记接着唠了。

❓决定问题❓
⬇️
📱收集和准备数据📱
⬇️
✅选择一种训练方法✅
⬇️
💻训练模型💻
⬇️
📈评估模型📈
⬇️
🔢参数调整🔢
⬇️
🤔预测🤔

---

整理不易，如果你觉得有些收获，不妨：

点个赞❤️
收藏一下⭐️
再给个关注吧👑

喵老师会持更新更多笔记和资料，希望能给零基础 接触AI的你带来帮助。