注：倉促完成可能有錯誤的地方，各位大神麻煩指出，以便更好地完善
機器學習是什麼？
1、在沒有明確設定的情況下，使計算機具有學習能力。
2、電腦程式從經驗e中學習，解決某一任務t，進行某一效能度量p，通過p測定在t上的表現因經驗e而提高。
機器學習的型別？
按資料劃分：
監督學習：給定包含正確答案(標籤)的資料，學習將輸入對映到輸出的一般規則。
半監督學習：給定不完整的訓練訊號(資料有些含答案，有些不含)。
無監督學習：資料無標籤資訊，只能從輸入中找出結構。
強化學習：訓練資料（以獎勵和懲罰的形式）僅作為對動態環境中程式動作的反饋。
按學習方式劃分：
基於例項學習：系統先用記憶學習案例，然後用相似度測量推廣到新的例子。
基於模型學習：從樣本集進行歸納的方法是建立這些樣本的模型，然後使用這個模型進行**。
按樣本的使用劃分：
懶惰學習：在訓練階段僅把樣本儲存起來，訓練時間開銷為0，待收到測試樣本後再進行處理。(knn等)
急切學習：在訓練階段就對樣本進行學習處理的方法。
按樣本數使用劃分：
批量學習：須用所有可用資料進行訓練(從頭訓練新版本)。
機器學習興起原因？
1、資料大了，計算能力強了，dl(深度學習)擁有大量引數，若樣本少，容易過擬合。
2、模型複雜、資料樣本大，需要強力計算裝置。
標稱型與數值型？
標稱型(離散型)：結果只在有限目標集中取值，如真與假、動物分類(魚類、爬行類等)->分類
數值型(連續值)：結果可從無限的數值集合中取值，如0.100、42.001等->回歸
可塑性：指神經網路要有學習新知識的能力。
穩定性：指神經網路在學習新知識時保持對舊知識的記憶。
機器學習入門（一）
分類和回歸 均為 過程，其中分類是對離散值的 回歸是對連續值的 監督學習和無監督學習 就看輸入資料是否有標籤 label 輸入資料有標籤，則為有監督學習，沒標籤則為無監督學習 聚類 監督學習就是給輸入的無標籤資料新增標籤的過程。資料集的劃分方法 1.留出法，即把資料集分為兩部分 一般來說是8 2，8...
機器學習入門 一）
年後又開始新一輪的學習了。今天我來複習跟鞏固機器學習的基礎概念。我們將機器學習系統按他們的特點分類 是否在人類監督下訓練。例如 有監督學習，無監督學習，半監督學習，強化學習。是否簡單地將新的資料點和已知的資料點進行匹配，還是像科學家一樣，對訓練資料進行模式檢測然後建立乙個 模型。例如 基於例項的學習...
機器學習入門 一
上大學的時候人工智慧火了一段時間 雖然現在還是虛假的繁榮現象 但是不得不說人工只能肯定是未來的發展方向，所以我們就有必要了解其基本的理論原理，當然了我寫出來的東西肯定不會和數學特別相關，因為我概率論差啊，那段時間沉迷遊戲，然後60多分飄過，所以各位肯定是比我牛逼的。我參考的書籍是 機器學習及實踐 範...