訓練集，測試集，特徵值，監督學習，非監督學習，半監督學習，分類，回歸
概念學習：
學習是人類具有的一種重要智慧型行為，但究竟什麼是學習，長期以來卻眾說紛紜。社會學家、邏輯學家和心理學家都各有其不同的看法。
機器學習是一門人工智慧的科學，該領域的主要研究物件是人工智慧，特別是如何在經驗學習中改善具體演算法的效能
改變自然，迫使自然滿足人們物質生活需要的經濟活動馬哲的理論在這裡依然恰當,哈哈考研備考政治在這裡還能用上，呵呵。以調整和改革人與人之間社會關係為目的的活動
實踐是人的主觀的、感性的活動，是主觀見之於客觀的能動的活動，是社會的活動，是歷史的活動。科學證明，人類歷史同自然歷史都是客觀的過程。同樣，構**類歷史的實踐以及實踐自身的歷史發展也是乙個客觀的過程。
認識基礎 –>反映客觀 –> 檢驗真理
案例 「跑步運動」
小瓏生活在北京，有時候會跑步，有時不跑步，是否跑步取決於很多因素
樣例天氣
溫度濕度
風力水溫
預報朋友
跑步運動1暖
暖普通強暖
一樣約是2
暖暖大強
暖一樣約是
3冷冷大
強暖變化不約否4
暖暖大強
冷變化不約是
因素列舉：
天氣：晴，陰，雨
溫度：暖，冷
濕度：普通，大
風力：強，弱
水溫：暖，冷
預報：一樣，變化
朋友：約，不約
跑步運動：是，否
概念定義在例項(instance)集合之上，這個集合表示為x。（x：所有可能的日子，每個日子的值由 天氣，溫度，濕度，風力，水溫，預報，朋友7個屬性表示。
待學習的概念或目標函式成為目標概念（target concept), 記做c。
c(x) = 1, 當跑步運動時， c(x) = 0 當不跑步運動時，c(x)也可叫做y
x: 每乙個例項
x: 樣例, 所有例項的集合
學習目標：f: x -> y
訓練集(training set/data)/訓練樣例（training examples):用來進行訓練，也就是產生模型或者演算法的資料集
測試集(testing set/data)/測試樣例 (testing examples)：用來專門進行測試已經學習好的模型或者演算法的資料集
特徵向量(features/feature vector)：屬性的集合，通常用乙個向量來表示，附屬於乙個例項 標記(label): c(x), 例項類別的標記 正例(positive example) 反例(negative example)
[案例]研究北京順義區房價
影響房價的兩個重要因素：面積(平方公尺），學區（評分1-10）
樣例面積(平方公尺)
學區(1~10)
房價（萬）
1100
8500
2120
9600360
6400480
9550595
5425
[案例]研究腫瘤良性，惡性於尺寸，顏色的關係
機器學習步驟框架
機器學習的分類
深度學習（一）深度學習的概念
深度學習是機器學習與神經網路 人工智慧 圖形化建模 優化 模式識別和訊號處理等技術融合後產生的乙個領域。深度學習網路是神經網路革命性的發展，人們甚至認為可以用它來建立更加強大的 模型。深度學習使用多層機器學習模型對資料進行有監督學習或無監督學習。模型中的不同層由非線性資料變換的多個階段組成，資料的特...
深度學習的概念
在人工智慧的早期，那些對人類智力來說非常困難 但對計算機來說相對簡單 的問題得到迅速解決，比如，那些可以通過一系列形式化的數學規則來描述的問題。人工智慧的真正挑戰在於解決那些對人來說很容易執行 但很難形式化描述的任務，如識別人們所說的話或影象中的臉。對於這些問題，我們人類往往可以憑藉直覺輕 易地解決...
深度學習概念
深度學習是基於機器學習延伸出來的乙個新的領域，由以人大腦結構為啟發的神經網路演算法為起源加之模型結構深度的增加發展，並伴隨大資料和計算能力的提高而產生的一系列新的演算法。深度學習什麼時間段發展起來的?其概念由著名科學家geoffrey hinton等人在2006年和2007年在 sciences 等...