机器学习的基本框架

上图是机器学习的一般化流程。这里面涉及很多知识点。

• 模型：根据具体的任务选择不同的模型，比如regression, KNN, K-Means, 随机森林，还有现在非常流行的神经网络模型。
• loss function：针对不同的任务，也有不一样的loss function的选择，我们比较熟知的是mse。以后再总结这一块。
• optimization：主要用的是梯度下降。（这个以后也专门写一栏）
• 评估方法：如何评估其实涉及到如何划分training set, testing set。比如留出法，交叉验证等。（以后再总结）
• 如何选择模型？不是只看在testing set上的误差，还要考虑参数的数量等。（这个再补充）