1.基本概念
- 涉及学科：概率论，统计学，逼近论，凸分析，算法复杂度理论等
- 公司代表：Google，Facebook，百度，阿里巴巴，雅虎等
- 就业需求：机器学习，数据挖掘，统计分析等
- 热门应用领域：自动驾驶，人脸识别，计算机视觉，自然语言处理等
- 训练集：用来进行训练，也就是产生模型或者算法的数据集
- 测试集：用来专门进行测试已经学习好的模型或者算法的数据集
- 特征向量：属性的集合，通常用一个向量来表示，附属于一个实例
- 特征值：特征向量的值
- 分类：目标标记为类别性数据
- 回归：目标标记为连续性数据
- 监督学习：训练有类别标记
- 非监督学习：训练无类别标记
- 半监督学习：有类别标记+无类别标记
- 算法的评估：准确率，速度，强壮性，可规模性，可解释性
- 深度学习：基于机器学习延伸出来的一个新的领域，由以人大脑结构为启发，神经网络算法为起源，加之模型结构深度的增加发展，并伴随着大数据和计算能力的提高而产生的一系列新的算法
2.监督学习分类
- 决策树
- 临近取样
- 支持向量机
- 神经网络算法
3.监督学习回归
- 线性回归
- 非线性回归
