weixin_50448632的博客

1.1.分类关于降维的学习主要分为五类：PCA、LDA、LLE、tSNE、ISOMAP.降维的作用：（为什么会有这些作用？）（1）降低时间的复杂度和空间复杂度（2）节省了提取不必要特征的开销（3）去掉数据集中夹杂的噪音（4）较简单的模型在小数据集上有更强的鲁棒性（5）当数据能有较少的特征更好地解释数据，适合我们可以提取知识（6）实现数据的可视化1.3.降维的目的 用来进行特征选择和特征提取。 ①特征选择：选择重要的特征子集，删除其余特征；②特征提取：由原始特征形成的较少的新特征

第一章 机器学习基础1.1.什么是机器学习？人工智能标准化白皮书(2018版)：机器学习（Machine Learning）是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据（样本）出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。Andrew N