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