机器学习基础

1、机器学习的定义：

机器学习 (Machine (Machine Learning, Learning, Learning,ML) 是一门多领域交叉学科 ，涉及概 涉及概 涉及概 率论 、统计学 、逼近论 、凸分析 、算法复杂度理论等多门学科 。专 门研究计算机怎样模拟或实现人类的学习行为 ，以获取新的知识或 技能 ，重新组织已有的知识结构 （利用数据或经验等 ）使之不断改善自身的性能。

2、机器学习的本质：

机器学习（基于数据的）：模型自动的从数据学习规律（训练）

3、机器学习分类：

标签的角度：有监督，无监督，半监督，强化学习
模型的类型：KNN，决策树，SVM，随机森林，深度学习
解决的问题：分类，回归，聚类，降维
参数角度：有参数模型，无参数模型

4、机器学习流程(有监督的)：

数据获取——>数据预处理——>模型学习——>模型评估——>新数据预测 （下图 从 数据预处理开始）

模型 里面输入的数据：

数据的形式是 m*n的 行(n)是一个一个的样本 列(n)是一个一个的特征 和标签