AI-机器学习-自学笔记（一）机器学习概述

       机器学习（ Machine Learning , ML ）是一门多领域的交叉学科涉及概率论、统计学、线性代数、算法等多门学科 它专门研究计算机如何模拟和学习人的行为，以获取新的知识或技能，重新组织已有的知识结构使之不断完善自身的性能。

 AI(人工智能)、深度学习、机器学习都是经常会使用到的概念，那么这些概念之间有什么关系呢？

看下图，一目了然。

 机器学习的分类：

        机器学习的算法分为两大类：监督学习和无监督学习

        监督学习即在机器学习过程中提供对错指示 一般是在数据组中包含最终结果（ 0 , 1 ), 通过算法让机器自己减少误差。这一类学习主要应用于分类和预测（Regression & Classify）。

监督学习从给定的训练数据集中学习出一个目标函数，当新的数据到来时 可以根据这个函数预测结果。

监督学习的训练集要求包括输入和输出， 可以说包括特 征和目标，训练、集中的目标是由人标注的。

        常见的监督学习算法包括回归分析和统计分类

        非监督学习又称归纳性学习（ Clustering ）利用 K 方式（ KMean ）建立中心 ( Centriole ），通过循环和递减运算（ lteration&Descent ）来减小误差，达到分类的目的。

        常见的无监督学习主要有聚类分析

下图描述了机器学习的分类和主要算法：

 机器学习一般流程

 常见术语：