机器学习概述

1.python基础的准备

本课程拟采用Python做为机器算法应用的实现语言，所以请确保:

1）安装好Python开发环境， PyCharm 或 Anaconda等都可以，按个人习惯喜好。

2）基本库的安装，如numpy、pandas、scipy、matplotlib

3）具备一定的Python编程技能，如果不熟悉，可选择一个教程进行学习，Python简单好上手，资源也很丰富。

菜鸟教程 Python 3 教程 http://www.runoob.com/python3/python3-tutorial.html 

廖雪峰的官方网站 Python3 https://www.liaoxuefeng.com/wiki/1016959663602400

学习视频

 

2.本周视频学习内容：https://www.bilibili.com/video/BV1Tb411H7uC?p=1

1）P4 Python基础

2）P1 机器学习概论

机器学习是一门多领域交叉学科，涉及较多的数学知识，我们不做太多理论上的要求，如果有听不懂的地方，不要放弃，看一遍就有个印象。通过观看视频，大家对课程有个总体的认识。

建议大家边看边做笔记，记录要点及所在时间点，以便有必要的时候回看。学习笔记也是作业的一部分。

 

3.作业要求：

1）贴上Python环境及pip list截图，了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。

 

 

2）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。

 

 

 

3）什么是机器学习，有哪些分类？结合案例，写出你的理解。

答：

机器学习就是计算机针对某一任务，从经验中学习，并且越做越好的过程。一般情况下，“经验”都是以数据的方式存在的，计算机程序从这些数据中学习。学习的关键是模型算法，它可以学习已有的经验数据，用以预测未知数据。
按照学习方式的不同，可以将机器学习划分为几种类型：监督学习、无监督学习、半监督学习、强化学习。
1、监督学习，计算机根据给出的训练数据，探测输入值与输出值的关系。
2、无监督学习，只能根据输入值分类，典型的例子就是聚类。
3、半监督学习，给出的训练数据中只有少部分有输出值，这样计算机先探测输入值之间的关系，以便得到更好的预测结果。
4、化学习是智能体采取不同的动作，通过与环境的交互不断获得奖励指导，从而最终获得最大的奖励。