读书笔记-《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》 第2版(第一章)

第一部分 机器学习的基础知识

第1章  机器学习概览

在本章中，我们了解到了机器学习中重要的一些概念，现在回答下列问题：

1、如何定义机器学习？

机器学习是关于构建可以从数据中学习的系统。学习意味着在一定的性能指标下，在某些任务上会变得越来越好。

2、机器学习在哪些问题上表现突出，你能给出四种类型吗？

（1）机器学习非常适合没有算法解答的复杂问题，他可以替代一系列需要手动调整的规则，来构建适应不断变化的环境的系统并最终帮助人类。（2机器学习表现突出的问题：数据挖掘、聚类问题、分类问题（检测信用卡欺诈）、回归问题（预测公司下一年的收入）、文本分类（论坛中自动标记恶评）、图像分类。

3、什么是被标记的训练数据集？

带标签的训练集是一个包含每个实例所需解决方案（也称为标签）的训练集。

4、最常见的两种监督学习任务是什么？

两种最常见的有监督学习任务是：回归和分类。

5、你能举出四种常见的无监督学习任务吗？

常见的无监督任务包括聚类、可视化、降维和关联规则学习。

6、要让一个机器人在各种未知的地形中行走，你会使用什么类型的机器学习算法？

强化学习可能表现最好，因为这通常是强化学习要解决的典型问题。它的学习系统（在其语境中称为智能体）能够观察环境，做出选择，执行动作，并获得回报（或者是以负面的形式获得惩罚）。所以它必须自行学习什么是最好的策略，从而随着时间的推移获得最大的回报。策略代表智能体在特定情况下应该选择的动作。

7、要将顾客