机器学习介绍

机器学习是人工智能的一个分支，类似于我们使用计算机设计一个系统，让它能够根据提供的训练数据按照一定的方式来学习，随着训练次数增加，该系统可以在性能上不断学习和该进，通过参数优化的学习模型，能够用于预测各种可能的情况
告诉计算机这个东西是什么，计算机自动提取特征
例如：自动驾驶

机器学习分有监督、无监督、增强学习三种
有监督：投喂一种标记（1，0）标签的太阳图像的各种形式的图像，告诉计算机它就是太阳，半监督学习数据一半

无监督：告诉系统100张图像有男的10张，女的90张，让系统自动聚类，进行分析，得到的结果不一定符合你的需求，能够快速分类；发现问题、用户细分、推荐系统。
分两种 一种是聚类、一种是降纬

加强学习：

• 机器有一个明确的小鸟角色——代理
• 需要控制小鸟飞的更远——目标
• 整个游戏过程中需要躲避各种水管——环境
• 躲避水管的方法是让小鸟用力飞一下——行动
• 飞的越远，就会获得越多的积分——奖励

通过机器自己学习来不断尝试来获得技能，
免模型学习（Model-Free） vs 有模型学习（Model-Based）
有模型学习（Model-Based）对环境有提前的认知，可以提前考虑规划，但是缺点是如果模型跟真实世界不一致，那么在实际使用场景下会表现的不好。
免模型学习（Model-Free）放弃了模型学习，在效率上不如前者，但是这种方式更加容易实现，也容易在真实场景下调整到很好的状态。所以免模型学习方法更受欢迎，得到更加广泛的开发和测试。

数据收集->数据清洗->特征工程->数据建模

python

numpy：添加关键数组变量类型，弥补python不足
pandas：添加了与excel类似的行列标签
matplotlib：让python有绘图能力
scikit-learn：机器学习库
tensorflow：深度学习框架-google
pytorch：深度学习框架-facebook

编程基础

k近邻

k近邻可以快速分类，不适合做图像分类，
数据集参考cifar-10