【Python与机器学习 4-1】 机器学习基本概念和流程

机器学习基本概念

机器学习可以通过有无标签划分为监督学习和非监督学习
最后要预测什么什么就是标签

• 监督学习：学习的是带有标记的数据
• 非监督学习：学习的是未被标记的数据

机器学习问题的表示

1.根据n个独立同分布观测样本确定预测函数
独立同分布是机器学习的前提，同分布是指数据的分布是相同的，独立是指数据之间相互不影响。但是实际的数据中有很多不符合独立同分布，比如视频。
2.在一组函数{f(x,w)}中求一个最优的函数f(x,w0)对依赖关系进行估计，使期望风险最小

机器学习基本流程

• representation 特征表示
  对数据进行处理，根据属性构造特征。
  把数据表示成模型可以接收的格式
• evaluation 检验
  每个模型有许多参数，根据上一步的历史数据调整参数
• optimization 优化
  得到最优化的参数，得到模型
  

基本框架

• 定义一系列函数
  给一个同一个机器学习模型的具有不同参数的函数
• 定义函数优劣
  制定评价模型的好坏标准
• 选择最优的函数
  根据制定的标准和训练集找到最好的函数