1、机器学习与数学分析

一、机器学习的定义
对于某给定的任务T，在合理的性能度量方案P的前提下，某计算机程序可以自主学习任务T的经验E；随着提供合适、优质、大量的经验E，该程序对于任务T的性能逐步提高。
二、机器学习的对象
（一）任务Task T，一个或多个
（二）经验Experience E
（三）性能Performance P
即：随着任务的不断执行，经验的积累会带来计算机性能的提升。
三、机器学习的另一个表述
机器学习是人工智能的一个分支。我们使用计算机设计一个系统，使它能够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，该系统可以在性能上不断学习个改进，通过参数优化的学习模型，能够用于预测相关问题的输出。
四、机器学习的内涵与外延
（一）机器学习可以解决的问题（给定数据的预测问题）
1、数据清洗/特征选择
2、确定算法模型/参数优化
3、结果预测
（二）机器学习不能解决的问题
1、大数据存储/并行计算
2、做一个机器人
五、机器学习的一般流程
（一）数据收集
（二）数据清洗
（三）特征工程
（四）数据建模

六、导数
（一）导数是曲线的斜率，是曲线变化快慢的反应
（二）二阶导数是斜率变化快慢的反应，表征曲线凹凸性
1、二阶导数连续的曲线，往往称之为‘光顺’的

————————————————
版权声明：本文为CSDN博主「DAN_L」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/DAN_L/article/details/104879738