機(jī)器學(xué)習(xí)是人工智能的基礎(chǔ)，本課程將學(xué)習(xí)到大多數(shù)機(jī)器學(xué)習(xí)中的經(jīng)典算法。
機(jī)器學(xué)習(xí)（machine learning）形象的來(lái)說(shuō)，就是使用機(jī)器（計(jì)算機(jī)）利用數(shù)據(jù)，自行對(duì)數(shù)據(jù)特征進(jìn)行學(xué)習(xí)（與手工編寫(xiě)程序直接解決問(wèn)題區(qū)分），來(lái)解決現(xiàn)實(shí)生活中的問(wèn)題（如手寫(xiě)數(shù)字識(shí)別、實(shí)例分割等等）。
機(jī)器學(xué)習(xí)算法已經(jīng)對(duì)人們對(duì)數(shù)據(jù)的利用方式造成了重大改變。例如醫(yī)院開(kāi)始將診療數(shù)據(jù)保存下來(lái)，包括病人的基本信息、醫(yī)生的診斷結(jié)果、CT圖像等等。使用學(xué)習(xí)型算法對(duì)這些數(shù)據(jù)進(jìn)行分析，就可以得到一段時(shí)間內(nèi)的病例發(fā)展趨勢(shì)，或者嘗試?yán)肅T數(shù)據(jù)對(duì)病人的病灶進(jìn)行自動(dòng)檢測(cè)等等。
分類(lèi)
機(jī)器學(xué)習(xí)可以簡(jiǎn)單的認(rèn)為是基于數(shù)據(jù)的學(xué)習(xí)。依據(jù)學(xué)習(xí)時(shí)是否有數(shù)據(jù)標(biāo)簽，分為監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)
監(jiān)督學(xué)習(xí)指不僅把訓(xùn)練數(shù)據(jù)丟給計(jì)算機(jī)，而且還把分類(lèi)的結(jié)果（數(shù)據(jù)具有的標(biāo)簽）也一并丟給計(jì)算機(jī)分析。 計(jì)算機(jī)進(jìn)行學(xué)習(xí)之后，再丟給它新的未知的數(shù)據(jù)，它也能計(jì)算出該數(shù)據(jù)導(dǎo)致各種結(jié)果的概率，給你一個(gè)最接近正確的結(jié)果。 由于計(jì)算機(jī)在學(xué)習(xí)的過(guò)程中不僅有訓(xùn)練數(shù)據(jù)，而且有訓(xùn)練結(jié)果（標(biāo)簽），因此訓(xùn)練的效果通常不錯(cuò)。監(jiān)督學(xué)習(xí)的結(jié)果可分為兩類(lèi)：分類(lèi)或回歸。
非監(jiān)督學(xué)習(xí)指的是只給計(jì)算機(jī)訓(xùn)練數(shù)據(jù)，不給結(jié)果（標(biāo)簽），因此計(jì)算機(jī)無(wú)法準(zhǔn)確地知道哪些數(shù)據(jù)具有哪些標(biāo)簽，只能通過(guò)發(fā)現(xiàn)數(shù)據(jù)內(nèi)部的一些相似特征，把數(shù)據(jù)劃分為若干類(lèi)。非監(jiān)督學(xué)習(xí)一般表示為聚類(lèi)算法。
