机器学习（一）入门及kNN

机器学习

• 从广义上讲，机器学习是一种能够赋予机器学习的能力，让它以此完成直接编程无法完成的功能的方法
• 从实践的意义上讲，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法
• 人类的学习是一个人根据过往的经验，对一类问题形成某种认识或总结出一定的规律，然后利用这些知识来对新的问题下判断的过程
• 机器学习是指用某些算法知道计算机利用已知数据得出适当的模型，并利用此模型对新的情景给出判断的过程

整个过程中最重要的是数据！，如果说模型是我们希望造出来的火箭，那数据就是它的燃料，数据直接决定了我们的火箭只是个概念玩具，还是能够载人登月，还是可以飞出太阳系探寻智慧生物，正所谓“No data,no intelligence”

机器学习分类

• 机器学习根据所处理数据种类的不同，可以分为有监督学习，无监督学习，半监督学习和强化学习等几种类型（实践中前两种使用较多）

• 监督学习

  • 所谓监督学习，就是说数据样本会告诉计算机在该情形下的正确输出结果，希望计算机能够在面对没有见过的输入样本时也给出靠谱的输出结果，从而达到预测未知的目的X ----> y(目标值)。就像一个学生通过做多套高考模拟卷并订正答案的方式来提高高考成绩
  • 根据输出结果是离散值还是连续值，监督学习可以分为分类问题和回归问题两大类
  • 监督学习在文字、语音、图像识别，垃圾邮件分类与拦截，网页检索，股票预测等方面有着广泛应用
  </