什么是机器学习

去年偶然间加入老师的团队，开始了机器学习之旅，在这里记录自己的学习过程吧，小白一枚~

机器学习的定义

机器学习是把混乱的数据转换成有用的信息的工具。
机器学习是对已有的数据进行训练，训练出模型，然后使用模型预测未知的的一种方法。

机器学习的一些术语

1. 训练集：数据集子集，用于训练模型。
2. 测试集：模型训练出来之后，使用测试集对模型进行测试。
3. 验证集：数据集的一个子集（与训练集不同），可用于调整超参数。

机器学习的主要任务

1. 分类 ：将数据划分到合适的分类中。
2. 回归 ：主要用于数值型数据，最简单的例子是数据拟合曲线。

机器学习的算法

监督学习 ：
k-近邻
朴素贝叶斯算法
支持向量机
极限学习机
决策树
卷积神经网络
BP神经网络等。
无监督学习 ：
聚类
半监督学习 ：
强化学习 ：
深度学习 ：

机器学习的步骤

收集数据 ：实验、现场收集、网络爬虫等方法获得。
输入数据 ：保证数据符合格式。
分析数据 ：查看空值、异常值等。
训练算法 ：核心步骤。
测试算法 ：测试算法的准确度。
使用算法 ：使用算法在新的数据中。

机器学习的应用

模式识别
数据挖掘
计算机视觉
语音识别
自然语言处理

我使用的语言-python

优点 ：
语法清晰、简单；
易于操作纯文本文件；
使用广泛