1.什麼是機器學習？
對於機器學習到現在都還沒有統一的定義，但是，通過乙個例子和較權威的定義來理解機器學習，最後附上我個人對機器學習的理解：
2.監督學習
（1）監督學習基本思想：我們資料集中的每個樣本都有相應的「正確答案」，即每個樣本都是真實值，再根據這些樣本作出**。
舉乙個房價預售的例子來說明：
eg：下面圖中的紅叉叉表示真實的的售值，然後，我們根據這些真實的樣本值模擬一次回歸曲線或者二次回歸曲線去**250feet2的房子售價為多少
（2）在監督學習中，我們要區分回歸問題和分類問題，但是其都屬於監督學習：
3.無監督學習
（1）無監督學習思想：無監督學習中沒有任何的標籤，或者是所有資料有相同的標籤，或者所有資料就都沒標籤。所以我們已知資料集，卻不知如何處理，也未告知每個資料點是什麼。別的都不知道，就是乙個資料集，無監督學習就能將資料分為不同的聚集簇，即做聚類演算法。但是，聚類只是無監督學習中的一種。。
舉乙個腫瘤的例子：
eg：下面的圈圈表示從不同人中提取的腫瘤樣本，我們不知道到其是陽性還是陰性，即沒有標籤。通過無監督學習演算法可能會把這些資料分成兩個不同的簇。
（2）判斷監督學習與無監督學習小結：
機器學習01 初識機器學習
4.基本步驟 5.基本術語 6.參考 機器學習 machine learning 是一門人工智慧的學科，它模擬人類的學習行為，從已有的資料中習得經驗，再利用這些經驗對未知的資料進行 或判斷，以此來改善計算機演算法的效能。與傳統程式設計和演算法相比 傳統程式設計由程式設計師給演算法指定規則，機器學習由...
初識機器學習
學機器學習已經大半年了，現在才發現自己是初識機器學習。一開始學機器學習，真的以為它是個機器，學會了就可以拿來用，或是拿來改進。現在才明白，學機器學習的方法不僅要弄明白理論基礎和演算法思路，還要明白演算法的脈絡，它的每一步都是為什麼這麼做，掌握演算法背後的真正的思想，才能融會貫通，針對不同的問題提出不...
初識機器學習
機器學習 資料 資料 做為輸入 輸出 找到最合適的演算法公式 機器學習的分類 有批量 batch 數量的情況下可應用 監督式學習 知道輸入與輸出 半監督式學習是 知道輸入與部分輸出 無監督式學習 不知道輸出 對應著聚類 clustering 對於機器學習的輸出 1.有明確的分類 是 否 並且是用一條...