机器学习初识

名词释义：

• 机器学习

让机器像人具备学习的能力
拟人

• 知识–数据
• 算法–公式

（神经网络–各种算法人来帮助机器选择算法）

• 模型–参数
• 预测–把新的数据和参数进行计算得到结果

---

例如： y = a*x + b y1,x1和y2,x2事实上就可以作为数据 a,b就是要求解的参数，也称权重（影响结果的因子） 预测就是当新的x带到公式里面，求得有预测性质的y结果

---

根据学习内容中是否有参考机器学习分为
【1】
有监督的机器学习：
1回归
预测结果具体的值，事件的真实值作为参考

2分类
预测结果是哪个类别，事件的真实类别作为参考

【2】
无监督的机器学习：没给予参考
1聚类
在没有y的情况下，把数据分类成一堆堆的

2降维
X1…Xn维度多，n特别大的时候，需要为了更快的解方程组，减少X数量的算法

现在学习框架：

numpy数学计算框架
scipy物理计算框架 pandas数据分析框架
matplotlib绘图的框架
scikit-learn机器学习的框架
tensorflow谷歌开源出来的深度学习的框架（主流）
keras开源出来的深度学习的框架