机器学习入门1

机器学习概述

机器学习是人工智能的一个实现途径
深度学习是机器学习的一个方法发展而来

1.1.2 机器学习、深度学习能做些什么
        传统预测
        图像识别
        自然语言处理

1.2 什么是机器学习
    数据
    模型
    预测
    从历史数据当中获得规律？这些历史数据是怎么的格式？
 
    1.2.3 数据集构成
        特征值 + 目标值

1.3 机器学习算法分类
    监督学习
        目标值：类别 - 分类问题
            k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
        目标值：连续型的数据 - 回归问题
            线性回归、岭回归
    目标值：无 - 无监督学习
        聚类 k-means
    1、预测明天的气温是多少度？ 回归
    2、预测明天是阴、晴还是雨？ 分类
    3、人脸年龄预测？ 回归/分类
    4、人脸识别？ 分类

1.4 机器学习开发流程
    1）获取数据
    2）数据处理
    3）特征工程
    4）机器学习算法训练 - 模型
    5）模型评估
    6）应用

1.5 学习框架和资料介绍
    1）算法是核心，数据与计算是基础
    2）找准定位
    3）怎么做？
        1、入门
        2、实战类书籍
        3、机器学习 -”西瓜书”- 周志华
           统计学习方法 - 李航
           深度学习 - “花书”
    4）1.5.1 机器学习库与框架

特征工程

2.1 数据集
    2.1.1 可用数据