1、機器學習目的
教會計算機根據以往的經驗來執行指定的任務。
2、決策樹
一種**模型，常用的分類方法。樹形結構。
3、樸素貝葉斯
二八原則：在任何一組東西中，最重要的只佔其中一小部分，約20%，其餘80%儘管是多數，卻是次要的。
4、梯度下降（最優演算法）
問題→過程→解決方案
最小化誤差的通用演算法是梯度下降演算法。
5、線性回歸
最小二乘法：座標中，雜湊點到直線距離的平方。
6、對數機率回歸（邏輯回歸）
最小化的不是錯誤數目，而是能代表錯誤數目的對數損失函式。
7、支援向量機svm
最近的點到直線的距離（梯度下降演算法）
♥特點：邏輯回歸與支援向量機svm都有觀察資料，並把它們一分為二的特點，而支援向量機svm會嚴格觀察邊界資料進行劃分。
8、核函式
可以很好地劃分資料，並且在多維空間中得到了很好的運用。
特點：增加維度將一部分資料上公升，一部分下降進行分類。
9、神經網路
輸入層→隱藏層（中間層）→輸出層
特點：設定多個標籤進行觀察資料，並劃分資料區域。
機器學習（一） 簡介
什麼是機器學習？乙個不是很正式的回答是 不直接通過程式設計讓計算機解決問題，而是試著讓計算機自己找到解決方式。一 學習過程可以分為 資料輸入，抽象化，一般化。抽象化 由學習任務和所分析的資料型別來決定學習的模型，用這個模型來擬合資料集 稱之為訓練 然後資料就轉換為乙個彙總了原始資訊的抽象形式。一般化...
《機器學習基石》筆記一 機器學習簡介
人類學習是從不斷的觀察獲得經驗的技能。機器學習是從資料出發，通過數 算等方式獲得經驗增強的技能。1 存在一些內部的規則 2 程式設計無法把這個規則定義出來 3 有充足的資料 輸入樣本空間 x x x x x x輸出樣本空間 y y y y y y目標函式 要學習出的模式 f x yf x longr...
機器學習簡介
機器學習簡介 機器學習是人工智慧的乙個分支。人工智慧的研究是從以 推理 為重點到以 知識 為重點，再到以 學習 為重點，一條自然 清晰的脈絡。顯然，機器學習是實現人工智慧的乙個途徑，即以機器學習為手段解決人工智慧中的問題。機器學習在近30多年已發展為一門多領域交叉學科，涉及概率論 統計學 逼近論 凸...