【机器学习】笔记 1、概述

• 什么是机器学习
  • 官方解释
    • 机器学习就是从【数据】中自动分析获得【规律（模型）】，并利用规律对未知数据进行【预测】的算法
    • 模型
      • 算法模型，是一个特殊的对象。该算法模型对象中已经纪衡或者封装好了某种形式的方程/算法。（还没有求出解的方程）
      • 模型的作用
        • 预测
        • 分类
        • （注意：算法模型对应的算法或者方程求出的解就是预测或者分类的结果）
      • 样本数据
        • 模型的训练：将样本数据带入到模型中，对其进行训练（给方程进行求解操作），模型训练好以后，则模型的方程就有唯一i的解或者最优解。有解后则模型就可以实现分类或者预测的功能。
        • 构成
          • 特征数据
          • 标签/目标数据
      • 模型的分类
        • 有监督学习
        • 无监督学习
• 样本数据的载体
  • 通常情况下历史数据的都不会存储在数据库中，而是存储在文件中（CSV文件）
  • 数据库存储数据存在的问题
    • 性能瓶颈：数据据量级大的数据很难存储和进行高效的读写
    • 数据存储格式不符合机器学习要求的数据格式
• 样本数据的获取途径
  • kaggle：数据竞赛平台
  • UCI数据集：是一个常用的机器学习标准测试数据集
    • archive.ics.uci.edu/ml/index.php
  • sklearn
• 为社么需要机器学习
  • 解放生产力
  • 解决专业问题
  • 提供社会便利
• 机器学习的价值体现