NO.1.1 机器学习初识与联合分布概率

主要的及格算法模型

为了解决任务T,设计一段程序，，从经验e中学习，达到性能p,当且仅当有了经验E后，经过评判P,程序在处理T时性能得到提升
机器学习和人类类似，根据历史数据训练模型当做经验，

有标签，代表有监督比如有结果红色绿色（回归分类）
无标签，代表无监督（聚类基于距离，分裂）

分类，回归，聚类，时序分析

概念：
特征：也有称维度，
连续变量：（数值变量）：尺寸身高体重 （一般采用回归）
离散数据：季节，性别（通常要进行分箱cut,qcut,或归一化）（一般用分类）

监督学习：含有结果（标签）的数据
分类：样本标签为离散变量
回归：样本标签属于连续变量

分类问题：
生成模型（概率模型）输出概率大的结果
判别模型（非概率）直接根据特征打分判别

联合概率分布