本文是學習了周志華老師的《機器學習》書籍後的總結，如有不正確的地方，請幫忙指正，謝謝！
總體來說，機器學習分為監督學習，非監督學習和深度學習。而學習模型大致分為生成式模型和判別式模型。判別式模型估計條件概率分布，而生成式模型則估計它們的聯合概率分布。判別式模型可根據生成式模型，通過貝葉斯公式得到，但反之不行。打個不太恰當的比喻，就像根據一句話判斷他是英語還是中文，判別式模型是找到兩種語言之間的區別進行判斷，而生成式模型則學習中文和英語（聯合分布）之後再判斷。兩種模型的詳細對比可參考博文
判別式模型主要有：
線性回歸
對數機率回歸
svm線性判別分析
決策樹神經網路
條件隨機場crf
高斯過程
生成式模型：
樸素貝葉斯
貝葉斯網路
k近鄰隱馬爾可夫模型
馬爾可夫隨機場mrf
混合高斯模型
深度信念網路dbn
樣本可分為訓練樣本和測試樣本，有些線性可分，有些線性不可分。樣本屬性有離散和連續之分
樣本集區分法：
1，留出法 --一部分作為訓練集，一部分作為測試集
2，交叉驗證法，分成k個子集，k-1個訓練，1個測試
3，自助取樣法
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...
2021 03 05學習筆記雜談
為了應對目前如此內捲的社會，學習如何學習是很有必要的一件事。本系列文章是作者的學習筆記，僅供分享。學習的本質就是瞬時記憶 高頻回顧，將瞬時記憶在大腦裡不斷加工成短時記憶 長時記憶乃至永久記憶。其中，高頻回顧是關鍵。費曼曾經對他妹妹說 你從頭讀，盡量往下讀直到你一竅不通時，再從頭開始，這樣堅持往下讀直...
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...