机器学习入门算法-简介

1. 机器学习简介

机器学习概念：让机器去学习样本数据的特征规律，属于白盒子模型，可解释性好。

1. 1. 机器学习流程

 

1. 训练阶段：将大量带标签的学习样本喂给机器学习算法进行训练，得到模型。
2. 预测/测试阶段：输入未知样本到模型，得到输出/预测结果。
   1. 机器学习与人工智能、深度学习的关系

 

1. 机器学习（Machine Learning,ML）属于人工智能（Artificial Intelligence,AI）领域中的一个分支。
2. 深度学习是机器学习中神经网络分支的延伸。

1. 1. 开发技术栈
2. 开发语言：Python3
3. 框架/模块：scikit-learn
4. 其他：numpy、matplotlib、pandas
5. 集成开发环境：Jupyter Notebook
6. 数学：高等数学、概率论、线性代数、信息论等
   1. 相关术语
      1. 数据

以公开的鸢尾花数据进行说明。其中的数据片段如下：

1. 数据集

数据整体叫做数据集。

1. 样本

每一行数据称为一个样本。

1. 特征（属性）

除最后一列，每列表达样本的一个特征。

1. 标签

最后一列称为标签，也叫标记。

1. 1. 1. 主要任务
2. 分类：二分类、多分类
3. 回归：预测出连续值
   1. 1. 方法分类

方式一：

1. 监督学习
2. 非监督学习
3. 半监督学习
4. 增强学习

方式二：

1. 在线学习
2. 批量学习

方式三：

1. 参数学习
2. 非参数学习