# machine_learning

**Repository Path**: f-hk/machine_learning

## Basic Information

- **Project Name**: machine_learning
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MulanPSL-1.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-11-06
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 第一天:

#### 1.人工智能和机器学习,深度学习的关系:

* 机器学习是人工只能的一个实现途径
* 深度学习是机器学习的一个方法发展而来

#### 2.人工智能必备三要素:

* 数据,算法,计算力



# 第二天:

#### 1.什么是机器学习？

* 机器学习是从**数据**中**自动分析**获得**模型**,并利用**模型**对未知数据进行预测.

#### 2.机器学习的工作流程

* **1.获取数据**
* **2.数据基本处理**
* **3.特征工程**
* **4.机器学习(模型训练)**
* **5.模型评估**
    * 结果达到要求, 上线服务
    * 结果未达到要求, 重新上面步骤

#### 3.特征工程(Feature Engineering)

* **概念**
    * 使用专业背景知识和技巧处理数据, 使得特征能在机器学习算法上发挥更好的作用的过程
* **特征工程包含内容**
    * 特征提取
    * 特征预处理
    * 特征降维

#### 4.机器学习算法分类

- **监督学习与无监督学习**
  - 监督学习: 有特征值，有目标值
  - 无监督学习：有特征值，无目标值
- **半监督学习**
  - 有标记的数据和未标记的数据的模型
- **强化学习**
  - 输出的是给机器的反馈，即用来判断这个行为是好是坏
  - 反馈有延时，可能需要走了很多步才能判断之前的某一步是好是坏
  - 面对的输入总是在变化，每当算法做出一个行为，将影响下一步决策的输入5.

#  第三天：

* **深度学习**
  *