摘要:本文主要圖文講解機器學習的基礎概念，目的是給初學者留下印象，以便下一步學習。
一、人工智能、機器學習、神經網絡、深度學習的關係如下圖
人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。
機器學習是人工智能的核心，是研究關於學習算法的學問。
機器學習與人類學習
神經網絡是機器學習中的一種算法模型。
動物神經元與人工神經元對比圖：
神經網絡由多個神經元組成：
深度學習：是含多個隱藏層的神經網絡。
二、機器學習的核心是數據和訓練。
以下關於西瓜的數據。
數據集
這樣一組記錄的集合稱為"數據集"(data set)。
"
樣本"、"標記"、"樣例"：
上述數據集共有8個特徵。
特徵的概念
把特徵值映射為空間的維度座標值，則每個樣本成為空間上的一個座標向量，即"特徵向量"。
從數據中學得模型的過程稱為"訓練"。
機器學習的本質就是尋找一個函數。
使用學得的模型進行預測的過程稱為"測試"，被預測的樣本稱為"測試樣本"。
學得的模型適用於新樣本的能力，稱為"泛化"能力。
"過擬合"、"欠擬合"
分享到:
閱讀更多 IT老友 的文章
