机器学习随笔1

先立个贴 开个头

打算有空的时候就看看机器学习的内容和思想，慢慢理解其中的一些算法，并且和实际的需求做关联，加深理解。

 

机器学习的目的是解决问题：

解决问题的步骤是：

1、理解问题，确立问题的目标，问题的类型。

2、构建模型，定义模型输入，模型的期望输出或目标（数学上来说，损失函数）。

3、思考并选择解答这个模型的方法。

对于常见的模型，一般会有相应的解答方法，所以在我们构建模型的时候，可以尝试构建成与常见模型类似的模型，这样方便解答。

 

万物皆数据。有数据，离不开数据分布。了解这些数据的特性，并根据目标去分析这些数据。

问题转换成数据，将问题量化，构建模型，用数学去解答。

 

问题基础类型（都是对数据的分析和处理）：

1、分类

2、回归

3、聚类

4、降维

5、分析（根据需求，对数据的各种处理，类似数据挖掘）

 

机器学习和模式识别的区别和联系：

1、机器学习的核心是学习，需要一个自主训练的过程。而模式(事物的特征和规律)识别主要是人工设计并发现数据特征或模式，确立重要特征。

2、机器学习和模式识别的基础技术和算法是有联系的。他们都是对数据的认识和分析。

3、机器学习的应用场景还不够宽泛，比较机器的技能还不够多，而模式识别因为是人工参与和思考的，所以可以解决各种各样的问题。但是从当前发展来看，机器学习更加诱人，更加智能，因为它的目标是让机器可以像人一样思考。

 

参考，说的有一定道理：

https://blog.csdn.net/qq_33414271/article/details/78682239

https://blog.csdn.net/eternity1118_/article/details/51105659