一、人工智能分类
二、机器学习与人类学习的比较
1.人类学习：学而不思则罔，思而不学则殆
2.机器学习：模仿人类学习的过程，本质就是计算机通过大规模的数据集中寻找一般性规律的过程
三、机器学习的用途
1.为什么要学习机器学习
因为机器学习可以解决一些很难直接用编程解决的问题
2.用途
- 计算机视觉 图像识别
- 智能管家 人类的语音识别和自然语言处理
- 无人驾驶
- 视频（音频/文本）分类
四、机器学习的分类
1.按照用途分类
1.分类：把一个没有类别的东西，划分到一个对应的类别
2.回归：预测一个数值
2.按照学习模式分类
1.监督学习：算法可以知道学习的对错；有 明确的特征矩阵，明确的目标向量
2.无监督学习：算法不知道学习的对错；有明确的特征矩阵， 没有明确的目标向量
3.半监督学习：有一部分监督，一部分无监督； 有明确的特征矩阵，一部分样本有目标变量，一部分没有目标变量
4.强化学习：对于算法的预测结果给予奖惩 ；特殊的监督学习
五、机器学习的术语
1. 样本集：数据集=训练集+测试集
2. 训练集：一部分样本集，用来训练算法 类似于平时练习
3. 测试集：一部分样本集，用来测试算法 类似于考试
4.特征向量（特征）：样本集的一列数据
5.样本：样本集的一行数据
6.目标变量：一个样本的结果
7.目标向量：所有样本的结果组成的向量
8.特征矩阵：样本和特征向量组成的矩阵
例图：
