什麼是機器學習
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。
它是人工智慧的核心，是使計算機具有智慧型的根本途徑，其應用遍及人工智慧的各個領域，它主要使用歸納、綜合而不是演繹。
機器學習的常用方法
監督學習
非監督學習
半監督學習
強化學習
遺傳演算法
監督學習
有標籤和資料的學習方法
先給計算機貓和狗的，然後告訴計算機通過貓和狗的不同特性（標籤），怎麼分辨貓和狗，讓計算機學習這些標籤方式去分辨，就是監督學習
非監督學習
無標籤和無資料的學習方法
只給計算機提供貓和狗的，卻不告訴計算機哪張是貓和狗，讓計算機自己去分類和總結貓和狗的特性，然後讓計算機自己去識別貓和狗，就叫非監督學習
半監督學習
就是監督和非監督學習的結合體，是利用少量標籤或者大量沒有標籤的樣本，就行分類和學習的方式
強化學習
把機器放到乙個陌生或者從來沒有接觸到的領域去執行一項任務，機械人自己總結和摸索，直到完成任務
比如給機械人乙個籃球，要它去投籃，主要投進了就加1分
機器會不斷的總結投籃成功和失敗的經驗，最後達到成功率越來越高
googel的阿法狗就是這樣的一種學習方式
遺傳演算法
模擬已經存在的理論，淘汰弱智，適者生存的方式，選擇設計最優的設計框架，演算法等
比如要機械人玩超級瑪麗，瑪麗一號很快就犧牲了，然後瑪麗二號會繼承瑪麗一號的成功的經驗繼續闖關，後面會一直延續這種的方式只保留最強的瑪麗n號
機器學習 機器學習常用的模型評估方法
目錄 混淆矩陣 正確率精確率 召回率靈敏度 偽陽性率 特異度p r曲線 f1 值 roc曲線 auc面積 均方誤差 均方根誤差 平均絕對誤差 實際值 值 值positive negative 實際值positive tpfn negative fptn tp 真陽性，即實際為陽性，為陽性 fp 假陽...
機器學習常用的降維方法
特徵降維方法包括 lasso，pca，小波分析，lda，奇異值分解svd，拉普拉斯特徵對映，sparseautoencoder，區域性線性嵌入lle，等距對映isomap。lasso least absolute shrinkage and selection operator,tibshirani...
機器學習常用的歸一化方法
在機器學習中，資料歸一化是非常重要，它可能會導致模型壞掉或者訓練出乙個很奇怪的模型，為了讓機器學習的模型更加適合實際情況，需要對資料進行歸一化處理。將原始資料線性化的方法轉換到 0 1 的範圍，該方法實現對原始資料的等比例縮放。通過利用變數取值的最大值和最小值 或者最大值 將原始資料轉換為界於某一特...