1、機器學習分為兩部分：建模和**
建模：根據已有資料（文字，影象，聲音等）並可能有標記值，提取出資料中的特徵向量，使用某乙個機器學習演算法（最小二乘法），對模型進行訓練得出模型。
**：現有新資料（文字，影象，聲音等）並可能有標記值，提取出資料中的特徵向量，根據模型對新的資料進行**。
2、整體看
機器學習就是模仿人
識別事物的過程即：學習、提取特徵、識別、分類
3、鄒博將機器學習流程比作西紅柿炒蛋
4、清晰地理解各個演算法原理、優缺點
針對新的資料新的問題，知道使用什麼演算法。
參考
機器學習筆記 1
1 機器學習的定義 如果乙個程式可以在任務t上，隨經驗e的增加，效果p隨之增加，則這個程式可以從經驗中學習。過程 單個神經元 2 基於tensorflow的nn 神經網路 用張量表示資料，用計算圖搭建神經網路，用會話執行，優化線上的權重 引數 得到模型。2.1 張量 多維陣列 列表 階 表示張量的維...
機器學習筆記1
高斯分布屬於指數分布族，線性最小二乘就是基於高斯分布。線性最小二乘 最大似然 最小二乘。高斯判別分析 gda 針對的是特徵向量 x 為連續值時的問題，而樸素貝葉斯 nb 針對的是特徵向量 x 為離散值時的問題。gda 比 logistic 回歸有更嚴格的前置假設。當資料服從或大致服從正態分佈時，使用...
機器學習筆記（1）
機器學習筆記。1 經驗誤差與過擬合 2 評估方法 測試集與訓練集互斥 2.1 留出法 資料集劃分為兩個互斥集，乙個用作訓練，乙個用作測試。注意資料分布一致性?分層取樣 正反例比例一致 由於按比例分割可能存在樣本次序的關係，正例 反例的具體化為可能影響結果的分析 需要進行多次隨機劃分，重複實驗取平均值...