机器学习相关的概念知识点

持续更新的知识点

1、dataset：每个样本都是一个数据集dataset，是一个矩阵

每一行都是sample样本，每一列都是特征feature，一般最后一列是标记label/target，往往与特征分开，作为一维向量记录

2、从任务层面分类，每个复杂的问题都可以拆为两类任务完成

（1）分类任务：多分类任务和二分类任务，多分类任务可以向二分类任务转化
（2）回归任务：结果是一个连续的数字的值，比如成绩，而并不像分类任务那样是有类别划分的。回归任务也可以向分类任务转化，比如成绩归类

3、从学习层面分类

（1）监督学习：给机器的数据都是有标记与答案的，“回归任务和分类任务”大多都是这类学习范畴
（2）非监督学习：无标记情况下进行的分类聚合，可以通过特征提取、压缩PCA、降维等处理，随着数据量增大逐渐呈现一定的分类特征，转为监督学习，比如电商客户画像
（3）半监督学习：一部分标记，一部分无标记，同样向监督学习转化
（4）增强学习：根据环境的反馈自我调整

4、其他分类

<