1. 机器学习概述（2020/3/30）

python3.6编程环境。

 

 

2、随堂笔记

机器学习用途/实际应用——6:00-7:30

机器学习实为人工智能的一个分支。

算法的优秀与否 与它的训练数据的量有关，即只要有足够多的数据进行学习，就能使一个算法变得优秀。

机器学习更像是在模仿人类的学习。通过机器训练令算法掌握事物的特征进行判别。

 

 

 

在对一个函数不断进行迭代计算的过程，得到的最小损失值就是机器该学习的函数参数。

算法构建更加注重模型的构建。

机器学习流程：

数据收集-》数据清洗-》特征工程-》数据建模

其中数据建模为核心。

机器学习中使用python更加方便，并且提供的包也是比较多。

3、对于机器学习的理解

　　机器学习是一门多领域的交叉学科，涉及概率学、逼论学、凸分析、算法复杂理论等等多门学科，专门研究计算机怎么模拟或者实现人类的学习行为，以获取新的知识和技能，重新组织已有的知识结构使之不断改善自身的性能。也是人工智能的核心，

对于机器学习的分类有以下几种：

1、基于学习策略分类

 2、基于学习方法分类

3、基于学习方式的分类

4、基于数据形式的分类

5、基于学习目标的分类

自身理解：

　　对于机器学习我是这样认为的：建立一个模型算法，然后使用大量的数据进行训练，得其目标函数，然后使用这个函数去预测或者实行某些动作，比如无人汽车或者语音助手，或者是天气预报系统。