(一) 什么是机器学习
| 机器学习 | 传统算法 | |
|---|---|---|
| 基本思想 | 让机器去学习 | 让机器去执行 |
| 解决思路 | 输入大量训练数据获得模型 | 编写规则 定义分类 |
注意：传统的计算机解决方法思路 需要定义规则 然而现实生活中规则很难定义，且处于不断变化中，于是模仿人类的学习方式 计算机学家提出了机器学习的概念。
机器学习与人类学习
（二）机器学习中的数据
数据举例
注意：
数据的整体被称作一个数据集（DataSet）
每一行数据 称作 一个样本
每一行的最后一列称作样本的标记 其余列为样本的特征
样本的数个特征组成特征向量X 把特征作为变量可以表示一个特征空间。 分类任务的本质就是对特征空间的切分
特征不一定都具有语意，它可以很抽象，例如使用像素点。
（三）机器学习任务
为了解决高度不确定的世界中的相关问题
机器学习的任务
（四）机器学习分类
分类
训练集相关的算法
通常 首先使用非监督学习算法对数据进行预处理 通常有
- 聚类分析
- 降维处理
- 异常检测
最后 再使用监督学习算法进行学习
