机器学习系统化回顾

一．人工智能专业的岗位划分
1.web工程师，掌握要点：python基础，web前端（HTML，CSS，JavaScript，BootStrap,Ajax,Jquery）,web框架（Django,flask）
2.爬虫工程师，掌握要点：python基础，flask，Scrapy(一个爬虫框架)
3.数据挖掘工程师，掌握要点：python基础，数据分析类库（Numpy,pandas,Scipy,matplotlib）
4.机器学习+人工智能，掌握要点：python基础，数据分析相关课程，高数基础，scikit-learn等机器学习库（sklearn），TensorFlow等深度学习框架

小结：人工智能从事哪一个技术层面都要把python这门语言学好，他是一切工作的基础和前提。其次，四个岗位的技术要求是依次递增的。

二．人工智能学习
1.人工智能
%1.定义：简称AI。他是研究，开发用于模拟，眼神和扩展人的智能的理论，方法，技术以及应用系统的一门新的技术科学

%2.分类：专有人工智能，通用人工智能，超级人工智能
%3.用途：自动驾驶，生成音乐，图像识别，语音识别，语言识别，人体行为识别，医疗诊治

%4.环境
(1)Scikit-learn机器学习
(2)TensorFlow深度学习

%5.分类：
（1.）机器学习
①监督学习
1)目标值+标签
②无监督学习
1)目标值，无标签
（2.）深度学习

2.机器学习
%1.定义：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，以获取新的知识或者技能，重新组织已有的只是结构使之不断改善自身的性能。

%2.他是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，他主要使用归纳，综合而不是演绎。

%3.本质
（1.）让机器拟人
（2.）根据已有的数据（经验）；利用找到规律预测未来
（3.）机器学习主要以数据为王

%4.机器学习的分类
（1.有监督机器学习
(1)分类：预测结果是离散值，例如是或否，颜色，形状等。

(2)回归：预测结果是连续值，例如气温，提问，血压等等

（2.无监督机器学习：
(1)聚类：将相似的数据进行分堆
(2)降维：用于简化数据，减少训练的开销

（3.模型评估指标
减压模型是否优良的工具

（4.数据预处理

3.深度学习
机器学习的子集，可以看做是更深层次的神经网络架构
三．线性回归
1.什么是线性回归？
%1.什么是线性？
函数里的自变量和因变量之间的对应关系在集合呈现为直线（平面或者超平面）

2.什么是回归？
用一条直线（平面或者超平面来拟合真实世界中的一些规律）
3.线性回归就是用一条自变量和因变量之间的对应关系呈直线的函数来进行拟合现实生活中的数据。
4.用途：
线性回归是最简单的预测连续值的手段

问题：那一根直线最好呢？
最小二乘法：
所有点（样本）的ytrue（y的真实值，即真实数据）与x的值代入函数后得出的yhat的差值平方和最小，此时的到的直线最好。

1.直线方程：
(1)斜截式：
①斜率：
1)过原点的直线斜率：w=y/x
2)不过远点的直线斜率：w=(y-b)/x
②截距：
1)直线与y轴的交点到远点的距离，有正有负
2.一般式：
AX+BY+C=0
3.两点之间的距离：
d =
4.点到直线的距离：

5.求最好直线的方法
(1)最小二乘法
(2)找到一根直线，让所有的点到该直线的距离和最小

6.最小二乘法公式

b =y_mean-a*x_mean
y =ax+b