從廣義上來說，機器學習是一種能夠賦予機器學習的能力以此讓它完成直接程式設計無法完成的功能的方法。
但從實踐的意義上來說，機器學習是一種通過利用資料，訓練出模型，然後使用模型**的一種方法。
機器學習方法是計算機利用已有的資料，得出了某種模型，並利用此模型來**未來的一種方法。 機器學習的處理過程不是因果的邏輯，而是通過歸納思想得出的相關性結論。3.（機器學習就是通過特徵向量構建統計模型，從而找出事務之間的相關性）
監督學習是從給定的訓練資料集中訓練出乙個模型，當新的資料到來時，可以根據模型**結果，訓練的資料集中包括輸入（特徵）和輸出（標籤|目標），訓練集中的目標是人事先標註的非監督學習過程中，只提供特徵不提供標籤，使其自己總結歸納。所以非監督學習又稱為歸納行學習（clustering），是指將資料集合分成由類似的物件組成的多個簇（或組）的過程。人只提供每個樣本的特徵，使用這些資料，通過演算法讓機器去學習，進行自我歸納，以達到同組內的事物特徵非常接近，不同組的事物特徵相距很遠的結果。總結：通過資料的特徵值從來來**該資料屬於哪個樣本，監督學習知道這個樣本是什麼（有標籤），無監督學習不知道這個樣本是什麼（沒有標籤）機器學習 初識機器學習
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...
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...