机器学习简介
- 人工智能AI、机器学习与深度学习
来自贪心学院课堂PPT
它们都是一种科学研究方法。宗旨即辅助人进行决策，减少人的不必要劳动时间。
机器学习：训练模型 + 决策(判别)
- 训练模型：前提选择已知的模型（如 LR, kNN, DT，SVM，MSE等），然后训练模型中的每个参数【训练参数即学习得到参数】；
- 决策(判别)：即通过模型对一个未知类别的样本进行分类的过程，同时也是一种检验模型好坏的方法【好的训练模型应具有不错的泛化能力】；
不同领域的爱称： 模式识别，现代统计学，数据挖掘等。
【当然大多是基于对自己专业情感上的一种爱称】
机器学习分类：
监督学习： 指对学习过程有参考帮助，即训练样本有已知标签；
注：按标签的连续或者离散划分，有分类与回归。
有时候为了方便解决问题标签连续及离散之间也可以相互转换。连续性标签可以分成离散的区间，离散标签也可以通过加权平均得到连续值。
非监督学习：指没有标签参考的帮助
