机器学习笔记_01 机器学习基础知识

机器学习,顾名思义就是让机器自己去学习,那么机器是怎样学习的呢? 机器能做的事情无非就是计算,通过计算能到合适的参数从而完成特定任务.

让机器学习,首先是要有数据,让机器从这些数据中找到规律从而完成预测

几个概念:

1. 训练集与测试集:

将数据分成两部分

一部分用于机器的训练,即让机器从这些数据中获取合适的参数,构建出模型, 这些数据称为训练集

另一部分用于机器训练出来的模型进行预测,根据一些指标来判断模型的好坏,这些数据称为测试集

2. 分类问题与回归问题:

分类: 预测的结果是离散值 例如明天是否会下雨,  肿瘤是良性或者是恶性

回归: 预测的结果是连续值 例如根据房子面积、位置预测房价, 明天的温度

3. 过拟合与欠拟合

过拟合: 得到的模型在训练集上效果过于的好,导致在测试集上效果不好

欠拟合: 得到的模型在训练集上效果不好,显然在测试集上效果也不好

4. 特征(Features)与目标(Label)

三明距离市中心2km的碧桂园一间单元房100平方米, 总售价80W

市中心2km  100平方米可以 看做特征

总售价80W 可以看做目标

5. 监督学习与无监督学习

将有目标值的数据进行学习称为监督学习

将没有目标值的数据进行学习称为无监督学习

小白一枚,纯粹个人记录