机器学习算法入门

数据分析笔试考试太过宽泛，有行测、概率统计、编程、计算机基础知识、linux、hadoop、机器学习算法等等

由于只在天池比赛论坛上接触过机器学习算法，还是简单的逻辑回归，笔面试答得一脸懵逼。总结一下最近的学习内容。

 

人工智能分为机器学习（技术）和数据挖掘（应用）和知识表示、推理、自然语言处理组成

模型简单来说可以将 y = a + b 视为一个简单的线性模型

特征是经典特征函数在局部域上的一种推广。一个房屋模型可以拥有几个特征：占地面积、卧室数量、邻居数等

如果拥有m个数据集，n个特征，可以得到m个方程，其中有n个未知数

代价函数估计值离平均值的偏差（平均误差值）

机器学习的三大范式：监督学习（预测、及时反馈）、非监督学习（无任何训练集样本，直接对数据建模）、强化学习（根据环境的反馈对自身做出修改，有奖赏/反馈/决策机制）

梯度下降 可以代替暴力穷举法，用图形展示，以求最低点