人工智能基础——机器学习相关概念（Day1）

机器学习基础知识

机器学习介绍

1. 什么是机器学习
   机器学习是实现人工智能的方法。从数据中寻找规律、建立关系，根据建立的关系去解决问题。即从数据中学习实现自我优化与升级。
2. 机器学习的应用场景
   数据挖掘、计算机视觉、自然语言处理、证券分析、医学诊断、机器人、DNA测序…
3. 实现机器学习的基本框架
   
   将训练数据喂给计算机，计算机自动求解数据关系，在新的数据做出预测或给出建议。
4. 机器学习的类别
   （1）监督学习（Supervised Learning）
   
   训练数据包括正确的结果（标签）
   （2）无监督学习（Unsupervised Learning）
   
   训练数据不包括正确的结果
   （3）半监督学习（Semi-supervised Learning）
   
   训练数据包括少量的正确的结果
   （4）强化学习 (Reinforcement Learning)
   
   根据每次结果收获的奖惩进行学习，实现优化
   程序初始化：根据执行效果给与奖励或惩罚；程序逐步寻找高分的方法。
5. 机器学习的相关算法类别（也是后续依次学习的内容）
   监督学习：线性回归、逻辑回归、决策树、神经网络、卷积神经网络。
   无监督学习：聚类算法
   混合学习：监督学习+无监督学习