图解机器学习

1、人工智能、机器学习、深度学习关系

人工智能是一个范围很广的词，他可以表达很多不同的事物。与之相反，机器学习指某些特定的领域，当然机器学习本身包括很多技术，其中之一就是是深度学习。

2、建立机器学习的流程

3、机器学习的建模和预测流程

4、过拟合（处理方法：正则化和验证）

（1）待分类的数据点

（2）用简单边界曲线分类后的数据点 和 用复杂边界曲线分类后的数据点

*

复杂的模型曲线倾向于过拟合。相反简单的模型曲线虽然一些点上没有正确的分类，但是它更好的反映了这些数据的整体特点。

• 现在换个视角来看这组数据：数据中包含了太多的噪声，问题是没有任何办法能让机器学习辨别这一点，因为机器学习考虑左右的数据，甚至包括噪声，这样会产生一个不适用的模型（这种情况下应当是条曲线），如果认为训练数据的每一个元素都是正确的，并且以此去精确的拟合模型，那么将得到一个低泛化的模型，这就叫“过拟合”。

（3）正则化

（3）验证


交叉验证：阴影部分表示验证数据，是训练过程随机选择出来。

5、机器学习模型

6、监督学习常见的应用类型（分类和回归）

（1）分类

*
分类问题的训练数据
（2）回归（与分类相反，不判类别，而是估计出一个值）

回归问题的训练数据

分类的输出是类别（预测输入数据的类别），回归的输出是数值（预测输入数据的趋势）