学习笔记1：基础概念

由于对于这方面方面知识的需求，我第一次接触AI领域中的机器学习，边学边写，以记录我的学习历程。

python初接触

由于机器学习对于python的要求，我在vscode上安装了python的插件，读者可以选择自己喜欢的编译器，在AI的帮助下，完成安装。

机器学习的定义

赋予计算机在没有明确变成下的编程能力。

机器学习的两种类型：

监督学习（Supervised learning）

非监督学习（Unsupervised learning）

强化学习（Reinforcement learning）

监督学习（Supervised learning）

从输入X到输出Y的映射，给予学习算法正确示例（即输入X的正确标签Y），经过学习，最后实现在没有输出标签的情况下，做出较为准确的预测

回归：利用监督学习，预测一个连续的数值（所有可能数字）（例如：房价 温度 点击率）

分类：预测的标签是是离散值（有限的可能输出类别集合）（例如：肿瘤是否是良性 是否是垃圾文件 是猫还是狗）

非监督学习（Unsupervised learning）

在非监督学习中，我们得到的数据没有和任何输出标签Y关联，不要求算法对每个输入给出输出标签，而是要求算法找到数据中可能存在的模式或者结构。

聚类算法：让计算机自动将相似的数据点分到同一个组（簇）里，把不相似的分到不同组里。

异常检测：是识别数据中不符合预期模式的异常点的过程。

降维：将大数据集压缩成小的多的数据集，同时尽量减少信息的丢失