機器學習的主要任務是將例項資料劃分到合適的分類中，機器學習的另一任務是回歸，主要用於**數值型資料。
分類和回歸屬於監督學習，之所以稱之為監督學習，是因為這類演算法必須知道**什麼，即目標變數的分類資訊。與監督學習相對應的是無監督學習，此時資料沒有類別資訊，也不會給定目標值。在無監督學習中，將資料集合分成由類似的物件組成的多個類的過程被稱為聚類；將尋找描述資料統計值的過程稱為密度估計。此外無監督學習還可以減少資料特徵的維度，以便我們可以使用二維或三維圖形更加直觀地展示資料資訊。（簡言之，個人覺得，監督學習就是知道結果可能取值的範圍，而無監督學習不知道）
如何選擇合適的演算法？
如果想要**目標變數的值，則可以選擇監督學習演算法（如果目標變數的型別是離散型，選擇分類演算法，連續型，則選擇回歸演算法），否則選擇無監督學習演算法（如果要將資料劃分成離散的組，則選擇聚類演算法，否則，選擇密度估計演算法）
開發機器學習應用程式的步驟
收集資料
準備輸入資料
分析輸入資料
訓練演算法（無監督學習，沒有目標變數的值，不需要訓練演算法）
測試演算法
使用演算法
機器學習簡介
機器學習簡介 機器學習是人工智慧的乙個分支。人工智慧的研究是從以 推理 為重點到以 知識 為重點，再到以 學習 為重點，一條自然 清晰的脈絡。顯然，機器學習是實現人工智慧的乙個途徑，即以機器學習為手段解決人工智慧中的問題。機器學習在近30多年已發展為一門多領域交叉學科，涉及概率論 統計學 逼近論 凸...
機器學習 簡介
機器學習，即人工智慧的乙個分支，人工智慧目前具有一定的限制，無法突破強人工智慧，即無法像人類一樣思考，感受等。機器學習其實就是通過大量的資料輸入，找出符合資料集的演算法模型，在輸入新的資料集時在進行判斷其屬性，是數學 計算機和統計學的集合。類似於人類的學習經驗，使用經驗判斷的過程。機器學習在於區分和...
機器學習簡介
機器學習101 在這篇博文中，我們將從以下幾個方面簡要地向大家介紹一下機器學習。如果你不是這方面的專家，也不需要擔心，因為在這篇博文中談及的內容僅需要高中的數學知識就足夠了。什麼是機器學習？牛津詞典將機器學習定義為 the capacity of a computer to learn from e...