机器学习初步概念

人工智能

​ 机器学习是人工只能的具体实现(本质上运算)
​ 监督：有结果值
​ (回归：比如豌豆种子来推算豌豆父亲的样子)
​ (分类：大量数据的分类)
​ (聚类：通过元素去画一个大概的分类，当前的值大概分类去计算，分一个组，其它人去找组长)

​ 非监督：没有标识(应用与聚集 )

​ 学习：统计现实生活中相同的点和数据进行记录并处理。根据这些数据产生新的数据

深度学习(运算量更大)

​ 人脸识别，机器视觉

向量：有方向的量

x轴2到y轴1 相连起来就代表一个向量，能表达数据更多，或者矩阵

编码顺序

1.读取数据并清洗数据(有没有空或者错误不正常的)

2.转换特征

3.划分测试集和训练集(总结并分析规律，套用公式计算最佳的值，计算后就没了么需要去测试)

4.训练模型(简单理解为对象 调用对应对象 设置参数)

5.使用模型

6.进行结果验证

！！这才是开始的第一步 选择的特征是否正确 数据是否准确 需要进行大量的测试。可能需要多个模型去处理。是把回归放前面好 还是把聚类放前面好呢