ML-机器学习

简介

机器学习是使用算法解析数据，从中学习，也即是从给定样本数据中计算样本特征的规律，然后对未知事件或样本做出预测或决定。
分为：监督学习，无监督学习，强化学习

监督学习

监督学习，有一组有特征和目标标签的数据，从这些数据中找出目标标签的某种规律，然后预测新的样本数据的目标标签，
样本数据有特种和目标
监督学习又可分为：回归 和 分类
回归，有以系列连续的数值组成样本数据的目标，来预测下个数值的目标结果

如：(1,2),(2,4),(3,8),(4,16) 这样的一组样本数据组成，如果在输入5时，预测的结果则为32,

分类，样本数据的目标是离散的，预测的样本数据的目标必然是之前的某一个结果

如，有这样一组苹果的样本数据，来预测一个苹果好不好吃
{红色，圆的，秋季，甜}，{红色，圆的，秋季，不甜}，{青色，圆的，夏天，不甜}，{红色，长的，春天，甜}
现在有这样一个苹果{红色，圆的，春季}，来预测这个苹果**甜|不甜**

无监督学习

无监督学习不同于监督学习，他只有一堆没有标签的数据，针对这些数据无监督学习能判断出数据不同的狙击簇。

栗子不太好找，