1、机器学习与深度学习：从基础到实践

机器学习与深度学习：从基础到实践

1. 机器学习简介

1.1 构建智能机器

智能机器能够将数据转化为知识，而机器学习是实现这一目标的关键技术。它赋予计算机从数据中学习的能力，从而做出预测和决策。

1.2 机器学习的类型

机器学习主要分为三种类型：
- 监督学习 ：使用带标签的数据进行训练，目标是预测未来的结果。它又可细分为分类和回归。
- 分类 ：预测离散的类别标签，例如判断一封邮件是否为垃圾邮件。
- 回归 ：预测连续的数值，例如预测房价。
- 强化学习 ：通过智能体与环境的交互来学习最优策略，以最大化累积奖励。常用于解决交互式问题，如游戏和机器人控制。
- 无监督学习 ：处理无标签的数据，旨在发现数据中的隐藏结构。常见的应用包括聚类和降维。
- 聚类 ：将数据点分组为不同的簇，使得同一簇内的数据点相似度较高。
- 降维 ：减少数据的维度，同时保留重要信息，用于数据压缩和可视化。

下面是一个简单的表格总结这三种类型的机器学习：
| 类型 | 数据要求 | 目标 | 应用场景 |
| — | — | — | — |
| 监督学习 | 带标签数据 | 预测未来结果 | 分类、回归 |
| 强化学习 | 智能体与环境交互 | 最大化累积奖励 | 游戏、机器人控制 |