机器学习-入门
机器学习从数据和统计信息中学习
人工智能的AI先导课程
机器学习可以分析数据并预测结果
机器学习主要任务
分类是机器学习的一项主要任务，主要是将实例数据划分到合适的分类中。
机器学习的另外一项任务是回归，主要是预测数值型的数据，比如通过数据值拟合曲线等。
分类和回归属于监督学习，这类算法必须知道预测什么，即目标变量的分类信息。与监督学习相对应的是无监督学习，此时数据没有类别信息，也不会给定目标值。在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程称为“聚类”。
机器学习目前的主要的研究领域：
符号机器学习
计算学习理论
监督学习，非监督学习，半监督学习
集群机器学习
流行学习
强化学习
ranking学习
聚类学习
机器学习的一般步骤：
说明：
输入基本单元：一系列样本（有列特性或者属性），需要将这些样本分类，回归，关联或聚类。多个样本及其属性构成的一个矩阵或一张表，构成ML的基本输入
学习资源：
习题：
1、我们现在手头上有大量的猫与狗的图片，我现在想训练出一个模型，能够区别出这张图片是猫还是狗，这是一个什么问题？
A、
回归
B、
分类
C、
聚类
2、我们现在手头上有大量的动物的图片，为了方便处理，我们想让同一种动物的图片放到同一个文件夹，这是一个什么问题？
A、
聚类
B、
回归
C、
分类
D、
无监督学习
3、在无人驾驶时，希望程序能够根据路况决策汽车的方向盘的旋转角度，那么该任务是？
A、
分类
B、
回归
C、
聚类
D、
降维
答案：
B
AD
B