一、什麼是機器學習
利用計算機從歷史資料中找出規律，並把這些規律用到對未來不確定場景的決策。
二、機器學習與資料分析的區別
三、典型應用
四、分類
五、常用演算法
六、nosql處理行為資料
七、解決問題一般框架
八、補充說明
1 機器學習就是 :
把乙個實際的問題抽象成乙個多元高次方程 , 然後通過已知的歷史資料來求解這個方程 .
求解的過程就是訓練的過程 , 也就是機器學習的過程 .
2 主體是機器而不是人，異於資料分析；客體是資料，資料越多，越準確；結果是規律，最後落地的是規律
3、在具體專案中，特徵工程（資料預處理，如資料清洗）佔比大約在百分之70。資料的質量決定上界，特徵工程類似於專家的經驗，決定能多麼逼近上界。
4、訓練模型
（1）定義模型：確定模型，訓練出模型的引數
（2）定義損失函式（定義偏差的大小）：評價真實結果與模型的**結果的相似程度和差異度。 機器學習解決的問題，有時不能得到精確解只能尋找近似解。 偏差最小的函式，針對很大的資料集，就是損失函式。 讓損失函式求最小，就是優化演算法。對於線性回歸模型，計算**結果與實際結果的差值；對於分類模型，則需要定義自己的損失函式
（3）優化演算法：對演算法進行優化，使損失函式取極小值，如梯度下降法......
機器學習解決問題的途徑往往最終就落在了乙個求函式的極小值的優化問題上。
機器學習 相關概念
一開始我是自學的機器學習的相關知識，因為要參加比賽，有點急於求成，網上到處找教程，學了很多，也了解了很多演算法，但是脈絡沒搞清楚，後面也越來越沒有信心 機器學習有很多相關的概念，我覺得在準備深入學習這些東西之前一定要把概念層次弄清楚，要不然很容易陷入誤區，所以在這裡把一些相關的概念和脈絡理一下 1....
機器學習相關概念
機器學習相關概念 定義 t e p 機器學習分類 有監督學習 回歸 regression linear regression 分類 classification 判別模型 bayes公式 先驗概率,似然函式,證據,後驗概率 beta分布 概率的概率分布 生成模型 聯合概率 邊緣概率 距離說明什麼是判...
機器學習綜述
機器學習 machine learning,ml 是一門多領域交叉學科，涉及概率論 統計學 逼近論 凸分析 演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。基本目標是學習乙個x y的函式 對映 來做分類或者回...