机器学习之路1

机器学习是人工智能的一个实现途径，深度学习是机器学习的一个方法发展而来的。

机器学习可以做的事情：

1.自然语言处理

2.图像识别

3.传统预测

什么是机器学习？
机器学习是从数据中自动分析获得模型，并利用模型来对未知数据进行预测。

具体一点讲就是：

我们用历史数据进行训练来获得模型，再用新的数据输入模型来预测一些我们想要的结果。

数据集的构成：

特征值+目标值（有些数据集可以没有目标值）

ps：当我们要用机器学习来预测房价时，我们的数据集中包括，房子面积，房子位置，房子楼层，房子朝向等等这些特征值，还包括房价这一目标值。

机器学习算法的分类：

我们按得到的目标值来分，当

目标值：类别  ———> 分类问题（监督学习）

目标值：连续型的数 ———> 回归问题（监督学习）

目标值：无 ————>  无监督学习

监督学习：

输入数据是由输入特征值和目标值所组成。函数的输出可以时一个连续的值（成为回归），或者输出是有限个离散的值（成为分类）。典型算法有：k-邻近算法，贝叶斯算法，决策树与随机森林，逻辑回归。

无监督学习：

输入数据由输入特征值组成。典型算法有：k—means聚类。

机器学习的开发流程：

获取数据，数据处理，特征工程，机器学习算法训练得到模型，模型评估