机器学习期末总结

机器学习
三要素：数据，模型，策略；
计算机利用已有的数 据(经验)，得出了某种模型，并利用此模型预测未来的一种方法。
分类
监督学习
指从标注数据中学习预测模型的机器学习问题。标注数据表示输入输出的对应关系，预测模型对给定的输入产生相应的输出。监督学习的本质是学习输入到输出的映射的统计规律。
无监督学习
指从无标注数据中学习预测模型的机器学习问题。无标注数据是自然得到的数据，预测模型表示数据的类别，转换或概率。无监督学习的本质是学习数据中的统计规律或潜在结构。
聚类，降维，关联规则，推荐系统。
强化学习
指智能系统在与环境的连续互动中学习最优行为策略的机器学习问题。假设智能系统与环境的互动符合马尔科夫决策过程，智能系统能观测到的是与环境互动得到的数据序列。强化学习的本质是学习最优的序贯策略。
模型评估与选择
过拟合
学习器把训练样本学习得太好，将训练数据本身的特点也当成全部数据的一般性

机器学习期末总结最先出现在Python成神之路。