机器学习（matlab版） | lesson 1

机器学习算法是利用计算方法直接从数据中学习信息

可以被模型、公式直接描述的模型不是机器学习

ML的类型

1 非监督学习（聚类）、2 监督学习（分类、回归）、3 强化学习

非监督学习

1） 硬聚类算法

2）软聚类算法，给一个概率

监督学习

模型训练需要：

1 已知的输入（特征）

2 已知的输出（标签）

监督学习的类别 

1 回归（预测一个温度） 线性回归

2 分类（做一个决策，是否患病、是否垃圾邮件）决策树、支持向量机（SVM），相对于深度学习运算量小、类神经网络（深度学习的前身）、贝叶斯

模型的选择：

1 数据的类型和大小

2 想要从数据中获得什么？

3 具体的应用场景

选择策略：可以将所有模型都跑一遍，计算错误率，然后再决定选择

ML面临的挑战

1 data的类别和大小不同：从不同商家搜集的资料可能格式不一样

2 需要对data进行预处理

3 花时间找到最拟合数据的模型

资料的定义->数据的掌握->模型的选择

流程