一、基础概念
1.1 机器学习
机器学习是从数据中自动分析获得模型，并利用模型对位置数据进行预测
1.2 数据集构成
结构：特征值+目标值
- 对于每一行数据，称之为样本
- 有些数据集可以没有目标值
1.3 机器学习算法分类
-
监督学习
- 定义：输入数据是由特征值和目标值组成。函数的输出可以是一个连续的值(称为回归)，或者是输出有限个数的离散值(成为分类)
- 分类 K-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
- 回归 线性回归、岭回归
-
无监督学习
- 定义：输入数据是由特征值组成
- 聚类 k-means
1.4 机器学习开发流程
参考
04-机器学习开发流程_哔哩哔哩_bilibili
wenyl 的个人博客