經(jīng)過前面幾節(jié)的梳理，對(duì)機(jī)器學(xué)習(xí)有了一個(gè)大致的認(rèn)識(shí)，這些內(nèi)容也是機(jī)器學(xué)習(xí)中的基本問題，所以有一個(gè)清晰的框架是進(jìn)行后續(xù)學(xué)習(xí)的基礎(chǔ)~下面便來做一個(gè)小結(jié)，以檢測(cè)一下自己是否有一個(gè)系統(tǒng)的認(rèn)識(shí)，而不是零散話的知識(shí)點(diǎn)。

首先說道什么是機(jī)器學(xué)習(xí)：給機(jī)器一些數(shù)據(jù)讓其自己進(jìn)行訓(xùn)練學(xué)習(xí)，得到一個(gè)模型，對(duì)于一個(gè)新的輸入數(shù)據(jù)，能夠?qū)ζ溥M(jìn)行較為準(zhǔn)確的預(yù)測(cè)輸出。

機(jī)器學(xué)習(xí)領(lǐng)域分類：監(jiān)督學(xué)習(xí)，非監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)。在這兒主要說明的是監(jiān)督學(xué)習(xí)。

監(jiān)督學(xué)習(xí)：回歸問題&分類問題。均利用“三要素”（模型假設(shè)，目標(biāo)函數(shù)，迭代優(yōu)化）來進(jìn)行分析
回歸問題：線性回歸（單變量，多變量），多項(xiàng)式回歸

分類問題：邏輯回歸，多分類問題

訓(xùn)練過程：梯度下降方式迭代優(yōu)化，學(xué)習(xí)率選擇，正則化項(xiàng)削弱過擬合

另外需要說道機(jī)器學(xué)習(xí)中的兩種模式：判別模式&生成模式

判別模式：直接建立模型以對(duì)新的問題進(jìn)行分類，其主要關(guān)注不同類別之間的區(qū)別，而不分析該類別的特性。適應(yīng)性較強(qiáng)，在數(shù)據(jù)量較大的情況下，也是最常采用的方式。

生成模式：先分析該類別是如何存在的，然后再對(duì)新的輸入進(jìn)行分析，最后得出類別判斷結(jié)果。其在數(shù)據(jù)量較少的情況下是較好的分析方式。其主要包括高斯判別分析（針對(duì)特征量連續(xù)的數(shù)據(jù)）和樸素貝葉斯（針對(duì)特征量離散的數(shù)據(jù)）。每一個(gè)生成模型對(duì)應(yīng)有判別模型，但反過來不成立，故生成模式有更強(qiáng)的模型假設(shè)能力，但叫復(fù)雜。