機器學習的核心是「使用演算法解析資料，從中學習，然後對世界上的某件事情做出決定或**」。這意味著，與其顯式地編寫程式來執行某些任務，不如教計算機如何開發乙個演算法來完成任務。有三種主要型別的機器學習：監督學習、非監督學習和強化學習，所有這些都有其特定的優點和缺點。
監督學習涉及一組標記資料。計算機可以使用特定的模式來識別每種標記型別的新樣本。監督學習的兩種主要型別是分類和回歸。在分類中，機器被訓練成將乙個組劃分為特定的類。在回歸中，機器使用先前的(標記的)資料來**未來。
無監督學習中，資料是無標籤的。由於大多數真實世界的資料都沒有標籤，這些演算法特別有用。無監督學習分為聚類和降維。聚類用於根據屬性和行為物件進行分組。這與分類不同，因為這些組不是你提供的。聚類的乙個例子是將乙個組劃分成不同的子組(例如，基於年齡和婚姻狀況)，然後應用到有針對性的營銷方案中。降維通過找到共同點來減少資料集的變數。大多數大資料視覺化使用降維來識別趨勢和規則。
強化學習使用機器的個人歷史和經驗來做出決定。強化學習的經典應用是玩遊戲。與監督和非監督學習不同，強化學習不涉及提供「正確的」答案或輸出。相反，它只關注效能。這反映了人類是如何根據積極和消極的結果學習的。很快就學會了不要重複這一動作。同樣的道理，一台下棋的電腦可以學會不把它的國王移到對手的棋子可以進入的空間。然後，西洋棋的這一基本教訓就可以被擴充套件和推斷出來，直到機器能夠打(並最終擊敗)人類頂級玩家為止。
深度學習和神經網路。請注意，深度學習是機器學習的乙個子集，專注於模仿人類大腦的生物學和過程。
機器學習筆記（一） 了解機器學習
1 人工智慧是我們想要達成的目標，機器學習是想要達成目標的手段，深度學習就是機器學習的其中乙個方法。2 機器學習，根據你提供的資料尋找乙個function，如下圖，輸入一段語音知道是 how are you 輸入貓的知道是 貓 怎樣找出這個function呢？第一，要有一系列的function，即模...
機器學習入門了解
根據歷史資料建立靜態的模型，隨著資料的增加隨時間不斷變化的動態模型。用於 未來的資料 模型一種機器學習方法的結果以及該方法採用的演算法。可以在監督學習中用來做 或者在無監督學習中用來檢索聚類。離線訓練 從頭開始建立乙個新模型 監督學習 明確定義要使用的特徵，以及預期的輸出結果 無監督學習 不需要事先...
機器學習初步了解
重點內容 對機器學習的理解，所謂機器學習，就是機器從資料中學習，機器從資料中學出規律，然後運用到新的資料中，在機器學習中，前者稱為訓練集，後者稱為測試集。學機器學習，我們第乙個往往學的是線性回歸 linear regression 在這裡，我從吳恩達教授講的例子說起，吳恩達講的是乙個房屋 與面積的關...