正在學習機器學習，寫下博文梳理下思路
機器學習分為：
1. 有監督學習
2. 無監督學習
3. 強化學習
三者區別：
1.輸入資料帶有標籤——有監督學習；
2.輸入資料不帶標籤——無監督學習；
3.資料需要從環境中自行探索獲得（即不存在帶有標籤資料的輸入）且環境可以對每個行動提供反饋（可以理解探索到的的資料此時又帶有標籤了）——強化學習
進一步分解：
監督學習可以根據標籤型別區分：①標籤離散——分類問題②標籤連續——回歸問題；二者可以相互轉換；
無監督學習，由於資料不帶有標籤，通常就是對資料進行識別分類：①降維問題②聚類問題
機器學習概述
什麼是機器學習？what is machine learning?machines can learning by ayalyzing large amouts of data.ml是一種重在尋找資料中的模式並使用這些模式來做出 的研究和演算法的門類。ml是ai的一部分，並且和知識發現與資料探勘有所...
機器學習概述
機器學習之父 卡內基梅隆大學計算機學院院長湯姆 公尺切爾 tom michael mitchell 在1997年給機器學習這樣的定義 對於乙個給定的任務t task 在合理的效能度量方案p performance 的前提下，某個計算程式可以自主學習任務t的經驗e experience 隨著提供合適的...
機器學習概述
在面對新來的事物做判斷時，傳統的方式會採用一長串負責的規則去進行判斷，如果新來的樣本符合我們規則，我們就可以準確的判斷樣本的好壞 品質等型別，當遇見我們規則不發匹配的時候，我們就無法正確做出判斷，以及隨後要更新我們已有的規則。在面對大資料 變化頻發的狀況下，傳統的方式不適合去使用。example e...