机器学习算法笔记（零）

机器学习算法笔记（零）

• 简介
  机器学习的定义：对于某类任务 T 和性能度量 P，一个计算机程序被认为可以从经验 E 中学习是指，通过经验 E 改进后，它在任务 T 上由性能度量 P 衡量的性能有所提升。
  虽然吴恩达老师说过，这个定义这么绕口是为了押韵，我还是要解释一下：任务 T 指常见的机器学习任务，比如文本分类，股票预测等；性能度量 P 用来衡量模型的好坏，通常为准确率或错误率；经验 E 是给计算机的学习数据。
• 机器学习与深度学习，人工智能
  
  深度学习是从机器学习中的神经网络算法延申出来的，主要表现在神经网络的层数多而复杂。等机器学习的笔记更完之后，我们再学习深度学习，以及后面的强化学习。
• 学习路线
  数学基础和python基础的笔记在主菜单的学习笔记中都有链接，需要的可以自行学习。
  
• 零碎的知识点

1. 深度学习能提取更多的特征，更深层的特征
2. 数据、信息，清洗后的数据、知识，有一点有用的东西、智慧
3. 监督学习，带有标签的学习，可以分类
4. 无监督学习，不带有标签，聚类
5. 半监督学习是无监督学习和监督学习相结合，解决部分标签缺失问题
6. 回归，预测数据为连续型数值
7. 分类，预测数据是类别型数据，类别已知
8. 聚类，预测数据是类别型数据，类别未知​

转载于:https://www.cnblogs.com/peng8098/p/ml_1.html