专门做asmr的网站/互联网创业项目

《机器学习实战》，第一章，机器学习基础

从生活中的一些例子，引入机器学习，像人脸识别，手写数字识别，垃圾邮件识别，产品推荐等。

机器学习，涉及到多个学科的知识：统计学、计算机科学、工程技术等

• 关键术语

机器学习相关的专有名词解释

训练集是用于训练机器学习算法的数据样本集合，样本通常由特征和目标变量组成，目标变量是及其学习算法的预测结果。

训练样本集必须明确知道目标变量的值，以便于机器学习算法可以发现特征和目标变量之间的关系

在分类算法中，目标变量的类型通常是离散型的，而在回归算法中，通常是连续型的。

为了测试机器学习算法的效果，通常使用两套独立的样本集：训练数据和测试数据，先使用训练数据训练算法，训练完成后，输入测试数据，有程序来输出目标变量，然后比较预测的目标变量和实际样本之间的区别，就可以得出算法的实际精确度。

分类和回归属于监督学习，之所以成为监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息。

与监督学习相对的，是非监督学习，此时数据没有类别信息，也不会给定目标值

• 如何选择合适的算法

1.使用算法的目的

2.需求分析或者收集的数据是什么

如果想要预测目标变量的值，则可以选择监督学习，否则选择非监督学习

如果目标变量是离散型，如：是|否，0|1，A|B，红|黄|黑等，可以选择分类算法；

如果目标变量是连续性，如：0.0~100.00，-9999~999等，可以选择回归算法

• 机器学习的步骤

1. 收集数据
2. 准备输入数据
3. 分析输入数据
4. 训练算法
5. 测试算法
6. 使用算法

后面还有一些关于Python的介绍，这里不记录了，本篇总结完成。