机器学习-Day_1

1.什么是机器学习？
百度百科：机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

简单来说：机器学习是一门能够让系统从数据中学习的计算机科学。

2.机器学习在那些方面表现突出，以及分类？
机器学习非常有利于：不存在已知算法解决方案的复杂问题，需要大量手动调整或是规则列表超长的问题，创建可以适应环境波动的系统，以及帮助人类学习（比如数据挖掘）

分类：

• 是否在人类监督下训练（监督式学习，无监督式学习，半监督式学习和强化学习）
• 是否可以动态的进行增量学习（在线学习和批量学习）
• 是简单的将新的数据点和已知的数据点进行匹配，还是对训练数据进行模式检测，然后建立一个预测模型（基于实例的学习还是基于模型的学习）

3.什么是被标记的训练数据集？
被标记的训练集是指包含每个实例所期望的解决方案的训练集。

4.最常见的两种监督式学习任务是什么？
回归和分类

5.常见的无监督式学习任务是什么？
聚类，可视化，降维和关联规则学习

6.要让机器人在未知的地形中行走，你会使用什么类型的机器学习算法？
如果想让机器