一、機器學習是什麼
機器學習就是資料探勘，找到乙個模型。
二、機器的流程是什麼
第一步：把資料預處理，比如降維這些
第二步：找到人設計的模型f，比如線性、決策樹、貝葉斯、神經網路等等
第三步：把全部訓練樣本m，統計計算模型f和全部樣本m的均方誤差（也叫loss，e(f）)。因為均方誤差要到達最小，就要引數w最好。參考《西瓜書p54》
第四步：引數有無數個，不能引數不同均方誤差。所以找到引數parameter，就是要使用最小二乘法、梯度下降演算法讓。
第五步：對於訓練樣本就是均方誤差最小，但是不能分辨正反啊。找到了模型f，就可對未來的資料分辨正反。所以設計乙個錯誤率、精度、pr曲線、roc曲線等。參考《西瓜書p30》
三、機器的邊學邊讀
sklearn基礎。
機器學習總結
1.常用的機器學習演算法包括 監督學習 半監督學習 無監督學習 增強學習 遺傳演算法 監督學習 就是人為的設定規則，告訴機械人該執行怎麼樣的行動。無監督學習就是不告訴機械人具體的實施辦法，只給定規則，讓機械人過程當中自己學習總結經驗 半監督學習就是結合少標籤的樣本和大量無標籤的樣本進行學習和分類 強...
機器學習總結
0機器學習概述 什麼是機器學習？機器學習的分類 兩種分類方式。機器學習的一般流程 模型訓練中的交叉驗證 將資料分為幾份，每份第一次訓練做訓練集，第二次做了測試集 機器學習的評價 混淆矩陣 auc roc 一 線性回歸 解析解的求解過程，要求自己推導 目標函式，過擬合，正則式 模型效果 mse rms...
機器學習總結
傳統的機器學習大致分為 線性回歸 邏輯回歸 決策樹支援向量機 神經網路 等深度學習以神經網路的回歸為基礎，之後會談到的大致有 卷積神經網路 遞迴神經網路 這段時間學習以來，很直觀的體會到，機器學習的本質就是再用計算力和合適的 演算法來 你想要 的東西，比如房價問題，分類問題等。假設你的算力足夠強大，...