图解机器学习chapter01

什么是机器学习

机器学习的种类

1. 监督学习：有输入（各种信息）、有确定答案（标签）的学习过程。
   1. 预测数值型数据的回归
   2. 预测分类标签的分类
   3. 预测顺序的排序
      …
2. 无监督学习：有输入、没有明确的答案，要求计算机自动收集信息，从而获取有用信息。
   1. 聚类
   2. 异常检测
      …
3. 强化学习：类似监督学习，通过自己评估结果实行奖惩形式的学习。
   1. 回归
   2. 分类
   3. 聚类
   4. 降维
      …
      …

机器学习任务的例子

1. 回归：把实函数在样本点附近加以近似的有监督的函数近似问题。（对一个或多个自变量和因变量之间的关系进行建模、求解的一种统计方法）
2. 分类：对于指定的模式进行识别的有监督的模式识别问题。
3. 异常检测：对于正常数据和异常数据一般是未知的，一般采用密度估计的方法把离密度中心较远的数据当成异常数据。
4. 聚类：具有相同特征的为同一个簇，无监督形式的分类。
5. 降维：从高维度数据中提取关键信息，将其转换为易于计算的低纬度问题进而求解的方法。根据数据种类的不同分为有监督和无监督
   …

机器学习的方法

argmax:取得最大值时的参数

联合概率(生产概率)：p(x,y)
后检验概率：p(y|x)=p(x,y)/p(x)

1. 产生式分类：通过预测数据生产概率p(x,y)来进行模式识别的分类方法，称为生成的分类。
2. 判别式分类：
3. 频率派
4. 贝叶斯派