1. 机器学习概述
一、开发环境情况
1、Python环境：
使用了PyCharm作为开发环境：
python版本为3.7：
2、pip list：
2、学习笔记
（1）机器学习概论
- 运用到的数学：
高数，线形回归
2.机器学习有：
1）有监督学习
2）无监督学习
3.机器学习内涵
1）可以解决：数据预测问题等问题
2）不可以解决：大数据存储/并行计算，做一个机器人等问题。
预测，建模
4.机器学习的一般流程：
数据收集 -> 数据清洗 -> 特征工程 -> 数据建模
5.高数知识：
（2）Python基础
3、什么是机器学习，有哪些分类？结合案例，写出你的理解。
答：机器学习是人工智能的一个分支。使用计算机设计的一个系统，使它能根据提供的训练数据按照一定的方式来学习；随着训练次数的增加，该系统可在性能上不断学习和改进；通过参数优化的学习模型，能够用于预测相关问题的输出。
分类：
（1）监督学习。监督学习是利用已标记的有限训练数据集，通过某种学习策略/方法建立一个模型，实现对新数据/实例的标记（分类）/映射。就像懵懂无知的小孩，第一次见到月亮，会问家长什么是月亮。第二次可能也会问，再问几次，后面再看到月亮，自己能意识到了那就是月亮了，这就是有监督的学习。
（2）无监督学习。无监督学习是利用无标记的有限数据描述隐藏在未标记数据中的结构/规律。比如你见到了狗和猫两种动物却不知道何为猫何为狗，但根据他们样子、体型等特征的不同鉴别出这是两种不同的生物，并对特征归类，这就是无监督学习。
（3）半监督学习。半监督学习介于监督学习与无监督学习之间，其主要解决的问题是利用少量的标注样本和大量的未标注样本进行训练和分类，从而达到减少标注代价、提高学习能力的目的。比如在生物学中，对某种蛋白质的结构分析或者功能鉴定，可能会花上生物学家很多年的工作，而大量的未标记的数据却很容易得到。
（4）强化学习。强化学习是智能系统从环境到行为映射的学习，以使强化信号函数值最大。由于外部环境提供的信息很少，强化学习系统必须靠自身的经历进行学习。就比如你训练一条小狗，如果它做得好，你就会奖励它，如果做不好就会惩罚，渐渐地，这个小狗就学会了做正确的事情来获取奖励，这就是强化学习。
