机器学习概论

1.机器学习分类

早期机器学习分为监督式学习、非监督式学习和强化学习。

 1.1监督式学习：

在学习过程中，我们不断向计算机提供数据以及数据所对应算法下的value或者说标签，比如说给教会计算机识别猫和狗，然后我们再给计算机看图片，让计算机识别出该图片是猫还是狗，这种学习方式就叫做监督式学习。

1.2非监督式学习：

在学习过程中，只提供输入数据，但没有为算法提供输出数据，让计算机通过算法来分类，叫作非监督式学习；比如只提供计算机猫和狗的图片，但不告诉计算机这些图片是猫还是狗，让计算机学习并且分类总结出两组图片的不同。

1.3强化学习：

把计算机放在一个陌生的环境，让它完成从未接触过的任务，计算机会尝试各种方法，最后适应这个环境并且掌握学习这些任务的方法。就好比学生学习一样，对于陌生的题型错误率很高，完成效率也低，但经过不断总结规律，达到又好又快的状态。（典型案例：阿尔法狗）

 2. 机器学习步骤

2.1数据预处理，分为测试数据和训练资料，其中测试数据和训练数据必须打乱确保测试集中包含所有类别数据

2.2算法学习

2.3回溯测试，用测试资料测试

2.4新数据进来，得到最后标签或者value。