入门姿势

1）监督学习：从给定的训练数据集，学习出一个函数，新数据来的时候，根据这个函数预测结果。训练集需要由人标注=》分类、回归
分类：label 是离散的
分类模型评价：准确率(accuracy)、精确率（查准率 precision）、召回率（查全率 recall）、F1、ROC曲线、AUC曲线、混淆矩阵（Confusion matrix）
回归：label是连续的
回归问题评价：平均绝对误差（mean absolute error MAE）、均方根误差（root mean squared error RMSE）、确定性系数（coefficient of determination R2）

image.png

2）无监督学习：在无标注的训练集情况下，对数据的结构和数值进行归纳=》聚类（分群）
算法：Kmeans(K均值)
评价：最小化目标函数

3）强化学习：输入数据可以刺激模型并使模型作出反应。反馈可以从监督学习的学习过程获得，也可从环境中的奖惩获得=》机器人、Alpha Go

行业通用机器学习算法

image.png