机器学习极简介绍（二）

人工智能AI 与 机器学习

人工智能、机器学习和深度学习是什么关系？

对于小白来说这些个概念总是混淆，人工智能 ≠ 机器学习，人工智能是更广泛的概念，它包括了所有使计算机系统具备智能行为和能力的技术和方法。机器学习是人工智能的分支之一，处于核心地位。深度学习是机器学习的一种实现方式，其核心技术为神经网络。

什么是机器学习？

机器学习是利用计算机的运算能力，从大量的数据中生成一个模型（函数），通过模型得出结论或者预测。

举个例子认识机器学习：这周末约了张三、李四、王五一起打篮球，结果张三没来，他昨天晚上去现场看五月天的演唱会后半夜才到家，张三二阳了，他今天可能要去医院看病了，他大概率是不会来了。这是人类大脑做出的推理，那么如何让计算机拥有这种推理能力，就是机器学习的能力了。

机器学习之数据集

机器学习和传统程序有何区别？

传统程序是软件开发人员定义 函数/规则，而机器学习是从数据中生成 模型/规则，数据是重中之重！

数据在机器学习中叫数据集，数据集的 数量和质量 直接决定了训练模型的好坏，数据集的重要性不言而喻。数据集长什么样？

通过例子理解什么是数据集？

在预测张三是否来打球的例子中，把 张三是否来打球 看做是一个函数（模型），这个函数的自变量（X）是：演唱会看到很晚、感染新冠、可能去医院就医，函数的结果就是因变量（Y）。X的变化将会影响Y的值。

在机器学习中，X和Y分别对应特征（feature）和标签（label），一批具有特征和标签的数据的集合就叫数据集。

数据集又分为训练数据集、验证数据集、测试数据集，训练数据集顾名思义就是用作训练的数据，通过训练数据集找到一个函数，同时会使用验证数据集验证和评估函数。测试数据就负责对训练和评估后的函数进行测试。