一、机器学习
机器学习经常被归类为人工智能(artificial intelligence)的子领域。虽然对机器学习的研究确实是源自人工智能领域,但是机器学习的方法却应用于数据科学领域,因此把机器学习看作是一种数学建模更合适。
机器学习的本质是借助数学模型理解数据。
当我们给模型装上可以适应观测数据的可调参数时,“学习”就开始了,此时的程序被认为具有从数据中“学习”的能力。一旦模型可以拟合旧的观测数据,那么它们就可以预测并解释新的观测数据。
机器学习的分类
机器学习一般可以分为三类:有监督学习(supervised learning)和无监督学习(unsupervised learning),还有半监督学习(semi-supervised learning)。
1. 有监督学习
有监督学习是指对数据的若干特征与若干标签(类型)之间的关联性进行建模的过程。只要模型被确定,就可以应用到新的未知数据上。
有监督学习:可以训练带标签的数据以预测新数据标签的模型
有监督学习可以进一步分为分类(classification)任务与回归(regression)任务。
- 分类:可以预测两个或多个离散分类标签的模型