3. ML机器学习

     

1.人工智能与机器学习的关系

       机器学习是人工智能的一个重要分支，是人工智能的一个子集。它无需显式编程，而是通过数据和算法使机器能够自动学习和改进，从而实现智能行为。机器学习依赖于算法来识别数据中的模式，并通过这些模式做出预测或决策。

       机器学习是实现人工智能的一种手段，但AI不仅仅局限于机器学习，还包括许多其他方法和技术，比如专家系统、规则推理、搜索算法、自然语言处理等多种技术。

2.机器学习的几种技术

1. 监督学习（Supervised Learning）

• 定义：监督学习是一种从标注数据中学习的方式。在监督学习中，训练数据包括输入和对应的正确输出标签，算法通过学习这些数据之间的关系来进行预测。监督学习的任务主要是分类和回归(预测)。
• 应用场景：
  • 分类问题：例如，垃圾邮件分类（将邮件分为“垃圾邮件”和“非垃圾邮件”）。
  • 回归问题：例如，房价预测（根据特征如面积、位置等预测房屋价格）。
• 常见算法：
  • 线性回归（Linear Regression）
  • 逻辑回归（Logistic Regression）
  • 支持向量机（SVM）
  • 决策树（Decision Trees）
  • 随机森林（Ran