5個月了，也該總結一番了。
（注：個人****：[email protected]，歡迎交流。）
機器學習的東西太多，畢竟人蠢，所以只學了些許部分。如下列舉：
（1）大方面分：監督學習、無監督學習。半監督學習、增強學習沒怎麼看。
（2）小方面分：線性回歸模型、邏輯回歸模型、神經網路、svm。
（3）演算法方面：神經網路演算法、梯度下降演算法。
（4）數學方面：概率論、高等數學、線性代數。
在谷震平的部落格中，將重點敘述個人的學習經歷，有些單獨講，無法單獨講的，糅合其他部分一塊講。
首先，給出supervised learning概念：從乙個訓練資料集中學出合理的模型（能夠描述資料的函式方程），然後用該模型處理新資料。演算法需要明白你給出的資料集，即你需要告訴它特徵和目標等資訊，然後才可以學到合理的模型。通過將人的智慧型放在資料中，機器也聰明了。
這種方法可用於兩個領域：回歸分析（輸出是乙個連續的值）和統計分類（輸出是一些雜湊的點或標籤）。
首先，給出unsupervised learning概念：演算法通過將資料分類得出可以描述資料集的模型。和監督學習相反，不給出訓練資料集的特徵和目標。實質上，是資料的聚類（將相似的資料放在一起）過程。得出的模型可以描述當前的資料集，但不一定描述未知的資料集。後來出現了監督增強，就是在無監督的方式下，告訴演算法怎麼分類才是正確的。
機器學習之路（二）
大資料目前應用廣泛，在我看來，現在社會，資料無處不在。大資料是以資料為核心，是乙個圍繞大資料生命週期不斷迴圈往復的生產過程，但也需要很多行業協作和配合。資料主要分為 收集 儲存 建模 分析和產品輸出幾個階段。目前，收集是通過各種軟體應用收集或者裝置收集 儲存通過網路，雲計算進行儲存，通過資料科學家或...
二 機器學習之路 什麼是機器學習
寫在前面 本部落格所寫內容均為本人自學筆記，如有錯誤之處，還請各位大神多多指教，謝謝。tom mitchell在他的 machine learning 書中給出了乙個簡單明瞭的定義 機器學習這門學科所關注的問題是 電腦程式如何隨著經驗積累自動提高效能。說白了就是一套計算機 在實現乙個功能的過程中，不...
三 機器學習之路 機器學習主要類別
機器學習的主要技術分為以下三個方向 監督學習 無監督學習 強化學習。下面分別來介紹這幾種技術。監督學習 supervised learning 監督學習的問題可以分為兩類 回歸 regression 分類 classification 回歸 regression 回歸問題中，回歸的目標是給定輸入變數...