前言

本专栏文章为观看黑马程序员《python机器学习》所做笔记，课程地址在这。如有侵权，立即删除。

一、人工智能概述

• 机器学习和人工智能、深度学习的关系
  • 机器学习是人工智能的一个实现途径
  • 深度学习是机器学习的一个方法发展而来的
• 机器学习的应用场景非常多，主要有下图三种领域：
  

二、什么是机器学习

1. 定义
   机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。
   
2. 数据集构成

• 结构：特征值+目标值
  

注：

• 对于每一行数据我们可以称之为样本
• 有些数据集可以没有目标值

二、机器学习算法分类

1. 监督学习（supervised learning）（预测）：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值（称为回归），或是输出是有限个离散值（称作分类）（有目标值）。

• 分类问题：目标值为类别
  • 分类 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
• 回归问题：目标值为连续型数据
  • 线性回归、岭回归

2. 无监督学习（unsupervised learning）：输入数据是由输入特征值所组成（没有目标值）

• 聚类 k-means

三、机器学习开发流程

获取数据->数据处理->特征工程->机器学习算法训练（获得模型）->模型评估->应用

注：

• 学习要点：算法是核心，数据与计算是基础。