28、机器学习的算法介绍

机器学习的算法介绍

首先，机器学习的目的是什么？
让机器在数据中寻找规律，得出结论；利用结论来服务人类。

机器在数据中寻找规律时，所遇到的问题都有什么？

1. 数据类别问题
2. 数据特征问题
3. 数据处理问题
4. 算法问题
5. 模型问题
6. 结果验证问题
7. 模型评估优化问题
8. 其他问题（遇到傻逼怎么办）

所有的问题都可以利用现有的知识，尝试解决。佛祖保佑，永无BUG

机器学习算法的类别介绍

机器学习将算法分了三类 : 监督学习、非监督学习、强化学习

监督学习

定义：有人监督你写作
使用数据是-> 特征值 + 目标值

非监督学习

定义：无人监督你写作业
使用数据是-> 特征值

强化学习

定义：通过观察来学习。比如，菜鸡通过观看大神直播来提高英雄操作技术。

数据分类

所有的数据都可以分成两类： 离散型 ， 连续型

将上述内容组合一个会发生什么？

缺失部分以后补充

那么每一种算法分类的下面，都有那些具体的算法？

这些算法的使用场景是什么？

这些算法的使用限制又是什么？

这些算法的核心思想是什么？

这些算法的缺点与不足，它们是如何规避的？

如何证明计算的结果就是我们所需要的？

可以利用 交叉验证 ， 网格搜索 来验证

交叉验证

太晚了，自己看吧 交叉验证概念

网格搜索

同上 网格搜索概念