基本名词

1.机器学习的关键组件：数据、模型、目标函数、优化算法

解释

数据：用于训练模型的数据

模型：将数据进行转换的模型

目标函数：量化模型好不好

优化算法：用于调整目标函数的算法

用法

数据：数据由样本组成，每个样本由一组称为特征（features，或协变量（covariates））的属性组成。

模型：经典方法，深度学习利用神经网络交错，构建模型

目标函数：模型可以进行优化，我们制定了一个目标函数，我们想去靠近他。我们希望靠近的距离很小，即误差较小，所以使用了损失函数（loss function）。

优化算法：去指导目标函数进行调整的算法，毕竟损失函数不知道朝哪里调整。

特征

数据：数据长度可能不一致，数据需要“干净”。

模型：传统方法和深度学习的不一样

目标函数：使用Loss，使得误差最小。

优化算法：大多数优化算法采用梯度下降法。

2.机器学习算法分类