1. 机器学习概述
1）贴上Python环境及pip list截图，了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。
2）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。
3）什么是机器学习，有哪些分类？结合案例，写出你的理解。
答：
1、 监督学习机器学习算法。
监督学习算法是直接监督运行的一种算法。在这种情况下，开发人员可以标记样本数据语并设置算法运行的严格边界。监督学习的主要目的是扩展数据范围，并根据标记的样本数据预测未知标记的数据，未来的或由已标记的样本无法推断的数据。
2、无监督机器学习算法。
无监督学习是指不直接控制模型进展的。 如果监督机器学习的要点是在知道标签的状况下需要对数据进行分类，那么在无监督机器学习算法下，期望的结果是未知并且尚未定义的。
无监督机器学习用于：探索数据的结构、从数据中提取有价值的信息、发现数据中的模式、将以上用于实际问题中，以提高效率换句话说，无监督机器学习通过筛选信息并理解信息来描述信息。
3、半监督机器学习算法。
半监督学习算法是介于监督和无监督算法之间的一种算法。 本质上，半监督模型将两者的某些方面结合到一个自己的计算中。
-
半监督机器学习算法使用一组数量较小的有标记的样本数据来完成某些操作的要求（如自我训练）。
-
样本数量的使得训练出的模型为部分训练模型（Partial-trained model），该模型的任务是获取未标记数据的标记，其结果被认为是伪标记数据。
4、强化机器学习算法。
强化学习通常被理解为人工智能。实质上，强化学习就是开发一种自我维持的系统，该系统在连续的尝试和失败序列中，基于标记数据的组合和与传入数据的交互来改进自身。强化ML使用称为探索/开发的技术。其机制很简单，即动作发生、观察结果，根据上一个结果做出下一个动作。在强化中心，学习算法是在执行特定任务时发生的奖励信号。在某种程度上，奖励信号用作增强算法的导航工具。他们让人理解正确和错误的行动方针。
