机器学习第一周-1

「爱情、让人受尽委屈。」 2023-06-12 14:27 2阅读 0赞

### 机器学习第一周 ###

*  写在最前面的话
 *  机器学习
 *  监督学习
 *  关键术语
 *  机器学习的主要任务

# 写在最前面的话 #

通过之前17天的Python基础学习，我发现了自己学习上的一个问题，我总是把视频，公众号的推文看完后，再来打卡学习笔记。  
我觉得，一是在写笔记时失去了新鲜感，二是对于整个知识的构架不够清晰，三是让自己会有浪费时间的错觉。  
所以我打算在这次刻意学习中，改变一下自己的学习方式，边看书，边写学习笔记，注重知识的架构，也便于快速索引知识点。  
这未必是一种好的方法，但是不尝试过就永远不知道是不是好方法。

# 机器学习 #

就是把无序的数据转换成有用的信息。

# 监督学习 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3NTI0Mg_size_16_color_FFFFFF_t_70]

# 关键术语 #

*  专家系统：像鸟类专家一样识别鸟的类别
 *  特征：也可以称作属性，用于区分不同鸟类需要使用的四个不同的属性值

> 标称型：标称型目标变量的结果只在有限目标集中取值，如真与假(标称型目标变量主要用于分类)标称型：标称型目标变量的结果只在有限目标集中取值，如真与假(标称型目标变量主要用于分类)  
> 数值型：数值型目标变量则可以从无限的数值集合中取值，如0.100，42.001等 (数值型目标变量主要用于回归分析)

*  分类：假定我们可以得到所需的全部特征信息，那该如何判断飞入进食器的鸟是不是象牙喙啄木鸟呢？这个任务就是分类
 *  训练集：通常我们为算法输入大量已分类数据作为算法的训练集，训练集是用于训练机器学习算法的数据样本集合
 *  目标变量：是机器学习算法的预测结果，在分类算法中目标变量的类型通常是标称型的，  
    而在回归算法中通常是连续型的。
 *  知识表示：就是将知识符号化并将其输入计算机的过程和方法。它包含两层含义：  
    （1）用给定的知识结构，按一定的原则、组织表示知识；  
    （2）解释所表示知识的含义。
 *  密度估计：将寻找描述数据统计值的过程称之为密度估计
 *  聚类：将数据集合分成由类似的对象组成的多个类的过程被称为聚类；

# 机器学习的主要任务 #

*  上节的例子介绍了机器学习如何解决分类问题，它的主要任务是将实例数据划分到合适的分类中。
 *  机器学习的另一项任务是回归，它主要用于预测数值型数据。  
    大多数人可能都见过回归的例子——数据拟合曲线：通过给定数据点的最优拟合曲线。
 *  分类和回归属于监督学习，之所以称之为监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息。
 *  
 *  与监督学习相对应的是无监督学习，此时数据没有类别信息，也不会给定目标值。
 *  在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程被称为聚类；
 *  将寻找描述数据统计值的过程称之为密度估计。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3NTI0Mg_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191113110919686.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3NTI0Mg==,size_16,color_FFFFFF,t_70