机器学习概述

什么是机器学习

机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测

数据集的构成

特征值+目标值

机器学习的算法分类

例子：
特征值：猫/狗的图片；目标值：猫/狗-类别——分类问题
特征值：房屋的各个属性信息；目标值：房屋价格-连续型数据——回归问题
特征值：人物的各个属性信息；目标值：无——无监督学习
总结：

机器学习算法分类

监督学习(supervised learning)（预测）
定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归），或是输出是有限个离散值（称作分类）。
分类： k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络
回归： 线性回归、岭回归
无监督学习(unsupervised learning)
定义：输入数据是由输入特征值所组成。
聚类： k-means

机器学习开发流程