AI入门之机器学习（1）

机器学习

1. 机器学习：从数据中学习，通过算法对新的数据作出识别或者预测

2. 通过已知的数据找到模型的过程叫做拟合（即机器通过数据学习的过程）

3. 

4. 机器学习学习过程：
   4.1：建立模型（y=wx+b）
   4.2：学习模型（确定w和b的值）
   4.3：预测和识别（使用得到的模型进行预测和识别）

5.学习算法：从数据中产生模型的算法（如下2点解释）
5.1：经典程序设计是：已知规则和数据（x、w、b已知），求解答案（y）
5.2：机器学习算法是：已知答案和数据（y、x），求解规则（w、b）

6. 机器学习是通过学习算法从数据中学习模型的过程
7. 在机器学习中数据的集合被称为：数据集或者样本集，数据集中的每一条记录被称为样本
   8.样本由属性（或者特征）+标记（或者标检）组成
   _____________________________________________________________________

监督学习：可分为1.回归（预测连续值，比如预测房屋的价格）2.分类（预测离散值，比如手写数字的识别）

无监督学习：在样本数据没有标记的情况下，挖掘出数据内部蕴含的关系

聚类：把相似度高的样本聚合在一起（样本需要标记）
距离：描述了特征值之间的相似度
半监督学习：将有监督学习和无监督学习相结合，综合使用大量的没有标记的数据和少量有标记的数据共同进行学习

总结：机器学习能从数据中抽取出大量有价值的信息，发现数据背后的规律，从而实现大规模的数据识别、分类、预测。