机器学习概述

一、机器学习定义及认识

机器学习做的事情总结来说就是：根据提供数据，机器能够寻找到一个函数function，学习到数据的相关特征规律从而进行预测。

机器学习的框架流程大概分为以下三个步骤：

机器学习大致可分为两类学习任务，分别为：监督学习（supervised learning）和非监督学习（unsupervised learning）。            其中，监督学习又分为：回归（regression）和分类（classification）。                                                                                        两者的区别在于：回归问题函数输出的结果为一个标量的数值；分类问题函数输出的具体的某个类别。

非监督学习（unsupervised learning）：

结构化学习（structured learning）：机器输出的为复杂的物件。

强化学习：

 

 

二、机器学习基础知识

 

注：数据的行表示样本量；列表示特征。

三、机器学习常见框架

四、机器学习应用

五、机器学习分类

六、机器学习开发流程

七、机器学习的数据收集、存储

 

八、机器学习中模型的训练与测试