机器学习概述

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。

机器学习是人工智能的一个分支。我们使用计算机设计一个系统，使它能够根据提供的训练数据按照一定的方式来学习；随着训练次数的增加，该系统可以在性能上不断学习和改进；通过参数优化的学习模型，能够用于预测相关问题的输出。

 

机器学习主要分为四类：监督学习、半监督学习、无监督学习、增强学习。

1、监督学习：

　　在建立预测模型的时候，监督式学习建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。监督式学习的常见应用场景如分类问题和回归问题。

　　比如你问妈妈那个是什么，妈妈说那个是太阳，那个是月亮，下次你告诉妈妈，那个是太阳，那个不是月亮，这就是监督学习。

2、半监督学习：

　　输入数据部分被标识，部分没有被标识，这种学习模型可以用来进行预测，但是模型首先需要学习数据的内在结构以便合理的组织数据来进行预测。

3、无监督学习：

　　即没有标注的训练数据集，需要根据样本间的统计规律对样本集进行分析，根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。

　　比如小时候看多了玩具，别人问你这是什么的时候，你回答这是玩具，这就是无监督学习。

4、强化学习：

　　强化学习是试错学习(Trail-and-error)，由于没有直接的指导信息，智能体要以不断与环境进行交互，通过试错的方式来获得最佳策略。

　　比如学习走路，并不是每个人出生就学会走路，在学习的过程中，会有摔倒的经验，然后身体会对大脑进行负反馈，大脑从而对身体走路的姿势，力度等进行适当调整，并慢慢向最舒服的走路姿态学习，最后学会走路，这就是强化学习。

如打败世界第一围棋手的AI阿尔法狗，就在不断学习中，找出最好的方法击败。