機器學習(machine learning, ml)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。
基本目標是學習乙個x->y的函式（對映），來做分類或者回歸的工作。
「用機器學習的方法來進行資料探勘。」機器學習是一種方法；資料探勘是一件事情；還有乙個相似的概念就是模式識別，這也是一件事情。
標籤的獲取是非常困難的，所以非監督和半監督也很常見
在訓練集上的表現很好，但是在驗證集上的表現很差，泛化能力不足。原因
解決 機器學習的過程都是乙個找到乙個模式，讓他的損失函式最小。
然後將該模型泛化於其他所有資料
這是ml的本質
在兩個集上的表現都差，損失函式非常大
原因：
解決主要用的語言是python，以及sklearn，numpy，panda包。
文章和內容主要是偏向於工程的，機器學習博大精深，能學多少是多少。
在工程中，經驗和對業務的理解非常重要。有時候可能達到數量級上的提公升。
訓練集：用於訓練模型的資料
測試集：用於驗證模型正確性的資料
機器學習綜述
監督學習 無監督學習 強化學習 遷移學習 演算法 線性回歸 k 近鄰演算法 決策樹 隨機森林 pca 神經網路 將標註好的和測試的樣本對映到座標系中，選取距離該測試樣本歐式距離最近的k個訓練樣本，其中哪個訓練樣本佔比最大，我們就認為它是該測試樣本所屬類別。knn可以處理數值型和標稱型資料，原因在於計...
機器學習（一）綜述
剛碩士畢業了，趁著對所學知識還有記憶，趕快把之前筆記整理下，寫成部落格也方便整理。機器學習真是一門詭異的課程啊，感覺學了什麼又感覺什麼也沒學 主要內容 機器學習的基本過程 評估機器學習演算法 交叉檢驗 機器學習分為 監督學習 分類 1.1 決策樹 1.2 knn 1.3 svm 1.4 人工神經網路...
統計機器學習綜述
記錄學習心得 一 什麼是機器學習 統計學習 統計學習就是根據資料來構建概率統計模型並用該模型對資料進行 與分析。那麼其中可以看出，資料是基礎，目的是對資料進行 與分析。根據定義可以提出幾個問題 需要什麼樣的資料？構建什麼樣的模型？以什麼方法構建？如何評價構建出來的模型的好壞？1 需要什麼樣的資料 需...