Week 1 An Introduction to Machine Learning(Part A)

目录

一、什么是机器学习

 二、如何学习形成一个模型

三、如何选择一个好的模型

 四、K-Nearest Neighbors (KNN) classifier（Tutorial内容）

 五、总结

---

一、什么是机器学习

1、过程：学习一组属性（或可通过数据整理获得的输入变量）与相关响应或目标变量之间的函数关系。

话句话说就是：从训练集中学习输入属性和目标值之间的功能或统计依赖性模型，然后，使用此模型对测试集上未见过的示例进行预测。

2、目的：

（1）预测：预测属性变量的任何（可能是新的）值的目标/响应值

（2）推理：理解目标变量随着输入变量的变化而受到影响的方式

3. 机器学习的模型：

（1）线性模型：

（2）非线性模型（多项式模型）

3、重要参数

（1）训练集

（2）测试集

（3）泛化性：测与训练集中使用的数据不同的新数据（或测试集）的目标的