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，你可以建立乙個非常準確的模型來**。
對於傳統的機器學習方法，你需要自己選擇特徵。特徵越多，當然你的**可以變得更準確，但是相對來說，你所需要計算的東西也就越多，所以在傳統的機器學習演算法中，我們會加上乙個正則化的引數來判斷這個特徵對於我們的**的影響，正則化引數後面我會詳細說到。
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
總的來說就是教計算機怎麼認識 自然語言等，現在主要是視覺，和聽覺。1.生物神經網路 一般指生物的大腦神經元，細胞，觸點等組成的網路，用於產生生物的意識，幫助生物進行思考和行動。2.人工神經網路 artificial neural networks 簡稱anns 也叫 connection model...