人工智能-机器学习入门简介

一、机器学习的主要任务就是分类和回归（监督学习）

分类：将实例数据划分到合适的分类中
回归：主要用于预测数值型数据

监督学习：这类算法必须知道预测什么，即目标变量的分类信息。

1. 目的：预测目标变量的值。
2. 确定目标变量的类型：如果目标变量是离散型，可选择分类算法， 如果目标变量是连续型，可选择回归算法。
3. 数据问题：对特征值、数据进行分析。

无监督学习：数据没有类别信息，也不会给定目标值

1. 目的：不想预测目标变量的值
2. 确定目标变量的类型：分析是否需要将数据划分为离散的组。如果这是唯一的要求，则使用聚类算法；如果还需要估计数据与每个分组的相似程度，则需要使用密度估计算法。

二、开发机器学习应用程序的步骤：

1. 收集数据。
2. 准备输入数据。
   确保数据格式符合要求,为机器学习准备特定的数据格式
3. 分析输入数据。
   查看数据，确保数据集中没有垃圾数据。
4. 训练算法。将格式化数据输入到算法，从中抽取知识和信息。如果使用无监督学习算法，由于不存在目标变量值，故而也不 需要训练算法，所有与算法相关的内容都集中在第五步。
5. 测试算法。
   实际使用第4步得到的知识信息。为了评估算法，必须测试算法 工作的效果。
   对于监督学习，必须已知用于评估算法的目标变量值；
   对于无监督学习，也必须用其他的评测手段来检验算法的成功率。
   如果对输出结果不满意，则返回第4步。
6. 使用算法。
   将机器学习算法转化为应用程序，执行实际任务。