机器学习基础

机器学习

1、建立模型： 如：y=wx+b（房价模型）
2、学习模型： 如：确定 w，b
3、预测： 如：使用模型预测房价

学习算法： 从数据中产生模型的（计）算（方）法。

机器学习就是通过学习算法从数据中学习模型的过程。

数据集（data set）/样本集（sample set）

样本（sample）、属性（attribute）/特征（feature）、标记/标签（label）

学习模型/假设（hypothesis）/学习器（learner）:估计函数

真相/真实（ground truth）

标记/标签（label）：预测和分类的结果。房价、鸢尾花品种都是标记。对这种有标记的数据集进行的学习称之为监督学习。

监督学习

监督学习分为两种：分类（regression）和回归（classification）。

回归：预测连续值。

分类：预测离散值。

无监督学习

在样本数据 没有标记 的情况下，挖掘出 数据内部蕴含的关系。

聚类并不关心这一类是什么，因此不需要标记。只要能对抽取出来的特征计算距离就可以了。

对于同样的样本，抽取出来的特征不同，聚类的结果也会不同。

图2为鸢尾花数据集，没有标记，我们仅仅根据鸢尾花花瓣的长度和宽度也可以对它们进行聚类。图中红圈圈中的就是聚类的结果，结果很明显的分出了两类。那么在这两类中是否还包含了第三类呢？在没有标记的情况下就不太好区分了。

图3为标记好的鸢尾花数据集，两者进行比较后会发现还存在有第三个类别。

半监督学习

对于数据标记需要大量的人力资源，而我们日常生活中存在的是大量的没有标记的数据。因此为了更好的利用这些数据，就出现了半监督学习，半监督学习是一种将有监督学习和无监督学习相结合的范式。

机器学习的发展和应用