人工智能&机器学习&深度学习

（一）基础概念
定义：
人工智能：用机器来模仿人类学习以及其他方面的智能。
机器学习：就是从数据中自动分析获得模型，并利用模型对未知的数据进行预测。其实就像人类，每天都在积累经验去处理未知的事情。

人工智能，机器学习，深度学习的联系？
人工智能包括机器学习，机器学习包括深度学习。简言之，就是机器学习是人工智能的一个实践途径，深度学习是机器学习的一个方法（人工神经网络）发展而来。

能够应用于什么？
1、传统预测：店铺销量预测，企业客户分类…
2、图像识别：人脸识别…
3、自然语言处理：文本处理，情感分析，谷歌翻译…

数据集有特征值和目标值构成。
每一行数据可以称之为样本。
有些数据集可以没有目标值。

（二）机器学习算法分类：
①：监督学习
分类问题（类属），目标值是类别。比如给你一张图片，判断他是猫还是狗。
回归问题，目标值是连续的数据。比如预测房屋价格。
②：无监督学习，无目标值。比如人脸年龄是预测（老年？中年？少年？）

算法分类：
分类问题：k-邻近算法，贝叶斯分类，决策树与随机森林，逻辑回归
回归问题：线性回归，岭回归
无监督学习：聚类k-means

（三）机器学习开发流程
1、获取数据
2、数据处理
3、特征工程，处理成更为直接的数据，处理成特征值
4、机器学习算法训练，得到模型
5、模型评估
6、应用

（四）学习框架：
（1）算法是核心
（2）找准定位
我们所要做的是：
分析很多的数据
分析具体的业务
应用场景的算法
特征工程，调参数，优化
（3）怎么做？
1、入门
2、实战类书籍
3、机器学习—周志华
统计学习方法–李航
深度学习—“花书”

（五）可用数据集
学习可以用的数据集可以从这里获取：http://archive.ics.uci.edu/ml/