机器学习_day01

Dirrerent types of Functions(函数的分类)
1；vector 一维数组
2: Matric  二维数组
3: Sequence
转换成以下的：
4: scalar(数值)
5: classification
6: text image

Supervised Learning 监督式学习

Self-Supervised Learning 监督式学习

Kaggle (JudgeBoi is similar)
https://www.kaggle.com/

两大函数法宝
package
（pytorch）



一、机器学习概述
机器学习、人工智能、深度学习的关系
1.机器学习是人工智能的一个实现途径
2.深度学习是机器学习的一个方法发展而来
人工智能（机器学习（深度学习））

机器学习领域：主要是自然语言处理、图像识别、传统预测

什么是机器学习：数据 模型 预测 从历史数据中获得规律？这些历史数据是怎样的格式？

二、机器学习算法分类

监督学习有目标值的分类
    分类：k-近进算法、贝叶斯分类、决策树、随机森林、逻辑回归
    回归：线性回归、岭回归
    目标值：；类别-->分类问题
    目标值：连续型的数据-->回归问题

无监督学习
    定义；输入数据是输入特征值所组成的
    聚类 k-means
    目标值：无-->无监督学习


机器学习开发流程：
1）获取数据
2）数据处理
3) 特征工程
4）机器学习算法训练-模型
5）模型评估
6）应用

三、学习框架和资料介绍
1）算法是核心 数据与计算是基础
2）找准定位
3）怎么做？
    1.入门
    2.实战类数据
    3.机器学习--周志华 （”西瓜书“）
      统计学习方法--李凯
      深度学习--“花书”