一、什麼是機器學習
通俗理解：讓計算機擁有自己學習的能力，即每次把true or false記錄下來形成經驗，下次不會犯同樣的錯誤，以此來不斷提高自身的智力。舉例：下棋程式。
二、什麼是監督學習
通俗理解：利用現有的樣本，通過調整引數到合適的值，以此**出未來的結果。
1）線性回歸
例子：房價與平公尺的關係 – 線性回歸。
之所以叫做「監督」，是因為我們可以根據經驗，**出結果。
之所以叫做「回歸」，是因為要**的變數是連續的。
分類：要**的變數是不連續的，即離散的。
例子：通過演算法來**腫瘤是否是惡性的。
維度1. 橫軸是腫瘤大小，縱軸表示良性還是惡性（true or false）
維度2. 橫軸是患者的年齡，縱軸表示良性還是惡性（true or false）
此外，還需要用到的維度有很多，比如細胞大小、細胞形狀等等。
當有n個維度時，我們就不能在圖中畫出來。有個叫做「支援向量機」法，可以把資料對映到不限維空間中。
三、無監督學習
無監督演算法還可用於市場營銷（把使用者分成若干類，模擬真實使用者行為），或用於航空航天領域。
無監督演算法還可以把兩個人一起說話的合音，分成兩個人各自的聲音。
四、強化學習
通俗理解：強化學習需要你做乙個決策：對or錯。
舉例：你訓練狗時，它每做一件事，你都會獎勵或者懲罰它，這樣它逐漸形成了經驗。
強化演算法的關鍵，是你怎樣定義這是「好的行為」，或定義這是「壞的行為」
例如，汽車自己學習怎樣避開障礙物，機器蛇怎樣爬行最佳等。
機器學習基本概念
什麼是學習？如果乙個系統能夠通過執行某個過程改進它的效能，這就是學習。赫爾伯特 西蒙 什麼是機器學習？對於某給定的任務 t 在合理的效能度量方案 p的前提下，電腦程式可以通過自主學習任務 t 的經驗 e 隨著提供合適，優質，大量的經驗 e 該程式對於任務 t的效能逐步提高。任務，經驗，效能 什麼是統...
機器學習基本概念
1.基本的概念 領域集 乙個任意的集合 集合中的例項是我們希望能夠貼上標籤的資料。的元素稱為例項。標籤集 學習器所追求的結果集合。可以為，器想要得到的最終資料。訓練資料 帶標籤的領域及元素集合，通常會組成乙個區域性聚合s，也叫作訓練集。2.機器學習的一般流程 採集資料 標記 訓練 得到 器 乙個學習...
機器學習基本概念
1.基本概念 訓練集 測試集 特徵值 監督式學習 非監督學習 半監督學習 分類 回歸 2.概念學習 概念學習是指從某個布林函式的輸入輸出訓練樣例中推斷出該布林函式。3.樣例 天氣 溫度 濕度 風力 水溫 預報 享受運動 1 晴 暖 普通 強 暖 一樣 是 2 晴 暖 大 強 暖 一樣 是 3 雨 冷...