机器学习笔记一

1、什么是机器学习？

机器学习(Machine Learning，ML)是人工智能的子领域，也是人工智能的核心。它囊括了几乎所有对世界影响最大的方法(包括深度学习)。机器学习理论主要是设计和分析一些让计算机可以自动学习的算法。

我的理解是计算机通过大量的数据进行分析得出一定的规律，当规律越贴近现实情况，它的性能就越高。

2、机器学习算法种类？

监督学习（supervised learning）的数据集拥有既定的标签，即训练的数据集已经有了某种特定的属性。

非监督学习（unsupervised learning）的数据集没有任何既定标签，完全让算法去分析这些数据，找出一些特殊情况，大多聚类算法都是非监督学习。

半监督学习（semi-supervised learning），虽然数据集有既定标签，但是有时候有些数据会有缺失。

强化学习（reinforcement learning）即根据当下的环境不断的去学习，不断的发现数据，不断训练自己。

3、机器学习主要问题？

监督学习主要分为两个任务：分类和回归

 例如预估房价就属于回归问题，而良性/恶性肿瘤的判断就属于分类。两个的主要区别在于输出的值是连续的还是离散的。对于房价来说，价格是一个连续的值，而对于良性/恶性肿瘤来说只有两种类别，可以看成0/1，是一个离散的值。因此回归和分类可以通过对输出值的改变来相互转化。例如预估房价转换为预估房价判断是否值得购买，从而转换为分类问题。良性/恶性肿瘤转换为预测肿瘤类别，从而转换为回归问题。