監督學習（supervised learning）：叫監督學習的原因是因為我們告訴了演算法，我們想要**什麼。所謂監督，其實就是我們的意願是否能直接作用於**結果。典型代表：分類（classification）和回歸（regression）。
非監督學習（unsupervised learning）：在非監督學習的資料中，沒有給出標籤（label，用於類別區分等）和目標值（target value，用於回歸**）。通常，如果我們如果想將具有相似性的資料項進行分組，這種行為就是「聚類」（clustering）。另外，如果我們想知道關於資料的一些概率數值，那麼這種行為就叫做「密度估計」（density estimation）。最後，非監督學習可能還會用於將多特徵（feature）的資料進行降維，剔除一些不重要的特徵，使得我們能在低維空間觀察資料。
開發機器學習應用程式的步驟：
1. 收集資料；
2. 準備輸入資料；
3. 分析輸入資料；
4. 輸入資料檢測，或者樣本預處理（剔除不良的資料）；
5. 訓練樣本，得到模型；
6. 檢測模型，重要依**的準確度和精確度為依據；
7. 使用模型進行實際的應用。
機器學習的世界是乙個概率統計的世界，並且樣本可在不同的空間變換，以突顯某些特徵，簡化規則描述。
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...
機器學習筆記（一）
機器學習筆記 1,2課 一.線性回歸模型 1.數學模型 對於乙個具體的問題，x1,x2 是我們所選取的特徵，h x 是我們所建立的模型，其中有n 1個引數。我們希望所建立的數學模型可以很好的刻畫實際問題，而我們所擁有的就是訓練資料集。很自然的，我們希望數學模型可以較好的表述訓練資料集的情況。雖然對訓...
機器學習筆記（一）
統計學習三要素 模型 策略和演算法。模型分類有幾種，監督非監督，引數非引數等。監督學習又分為生成方法和判別方法。生成模型有 樸素貝葉斯和隱馬爾科夫。判別模型有 k近鄰，感知機，決策樹，邏輯回歸，em，svm，boost,crf.引數模型 引數個數固定，與訓練資料無關。非引數模型 引數個數依賴於訓練資...