机器学习引论

机器学习引论

从历史数据中总结规律，运用规律预测未知

怎么获取历史数据? 怎么总结规律? 怎么预测?

机器学习中的两大基本任务

1. 分类：识别样本中的对象，样本 $\Rightarrow$ 符号
2. 回归：函数拟合，样本 $\Rightarrow$ 数值

机器学习中的其它任务

1. 序分类：样本 $\Rightarrow$ 序结构变量（好，中，差）
2. 概率分布：用于异常识别，发现新类 #手法
3. 聚类算法：按数据属性，将样本划分为不同子集。将无序信息按规则组织。

“学习”分类

1. 有监督学习：每个样本都输出为变量值

   即：映射： x ( n ) → y n