统计软件与数据分析Lesson15----梯度下降（Gradient Descent）过程可视化

1.预备知识

1.1 什么是机器学习？

从翻译应用到自动驾驶汽车，机器学习 (ML) 技术为我们使用的一些最重要的技术提供支持。本课程介绍了机器学习背后的核心概念。

机器学习提供了一种解决问题和回答复杂问题的新方式。基本上，机器学习是指训练一个软件（称为模型）以从数据进行实用的预测的过程。机器学习模型表示机器学习系统用于进行预测的数据元素之间的数学关系。

例如，假设我们要创建一个预测降雨量的应用。我们可以使用传统方法或机器学习方法。我们使用传统的方法创建基于物理学的地球大气层和表面表征，计算大量的流体动力方程。这非常困难。

通过机器学习方法，我们将为机器学习模型提供大量天气数据，直到机器学习模型最终学习产生不同降水量的天气模式之间的数学关系。然后，我们会为模型提供当前天气数据，并预测降雨量。

机器学习系统类型

机器学习系统根据其学习进行预测的方式分为三类：

• 监督式学习
• 非监督式学习
• 强化学习

监督式学习

数据集由包含特征和标签的各个示例组成。您可以将示例视为电子表格中的单行。特征是受监管模型用于预测标签的值。标签是我们希望模型预测的“答案”或值。在用于预测降雨的天气模型中，特征可以是纬度、经度、温度、湿度、云度、风向和大气压力。标签将为 雨量。监督式学习涉及以下几个核心概念：

• 数据
• 模型
• 训练