认识机器学习的基本原理

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 前言
• 一、机器学习是什么？
• 二、原理介绍
• 总结

---

前言

随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

一、机器学习是什么？

想象这样一个场景：你周日约了小李、老王打牌，小李先来了，老王没来。你想打电话叫老王过来。小李说：“你别打电话啦，昨天老王喜欢的球队皇马输球了，他的项目在上个礼拜也没成功上线，再加上他儿子期末考试不及格，他肯定没心情来。”这种情况下，你觉得老王会来吗？

---

 二、机器学习原理

一，机器学习的概念：机器学习是一种从大量的数据中生成规则、发现模型，来帮助我们预测、判断、分组和解决问题的技术。传统程序是程序员来定义函数，而在机器学习中是机器训练出函数。机器学习的本质特征，就是从数据中发现规则。我们做机器学习项目，就是要选定一个算法，然后用数据训练机器，找到一族函数中最适合的那一个，形成模型。

二，机器学习的分类训练数据集全部有标签，叫监督学习（supervised learning）；训练数据集没有标签，叫做无监督学习（unsupervised learning）；在训练数据集中，有的数据有标签，有的数据没有标签，我们叫做半监督学习（semi-supervised learning）强化学习，没有训练数据集，需要从环境给它的奖惩中进行学习。

三，监督学习的分类根据标签的特点，监督学习可以被分为两类：回归问题（标签连续数值）和分类问题（标签离散数值）。

四，深度学习其深度学习是一种使用深层神经网络算法的机器学习模型，可以应用在监督学习、半监督学习和无监督学习和强化学习中。

总结

机器学习是一种从数据生成规则、发现模型，来帮助我们预测、判断、分组和解决问题的技术。机器和传统程序最大的不同就是，机器学习不是程序员直接编写函数的技术，是让机器通过“训练”得出函数。而我们做机器学习项目，就是要选定一个算法，然后用数据训练机器，找到一族函数中最适合的那一个，形成模型。