人工智能概述

1. 机器学习、人工智能和深度学习的关系

• 机器学习是人工智能的学习途径
• 深度学习是由机器学习的一个方法发展而来

2. 机器学习和深度学习的应用

• 传统预测
  如店铺销量预测、量化投资、广告推荐、企业客户分类
• 图像识别
  人脸识别、无人驾驶中道路和交通标志的识别
• 自然语言处理
  文本分类、文本检测、自动聊天

机器学习

1. 定义
   机器学习是从数据中自动分析获得模型，并利用模型对未知数据分析
2. 原理
   
3. 数据集的构成

• 特征值+目标值
  例如预测房价
  
  注：
• 上图中每一行数据可称之为样本
• 有些数据集可以没有目标值

机器学习算法分类

1. 监督学习（supervised learning）

• 定义
  输入数据由特征值和目标值所组成，函数输出可以是一个连续的值（称为回归），也可以是有限个离散值（称为分类）
• 回归问题算法：线性回归 、岭回归
• 分类问题算法： k-近邻算法、贝叶斯分类、决策树和随机森林、逻辑回归

3. 无监督学习(unsupervised learning)

• 输入数据由特征值组成（无目标值）
• 聚类：k-means

机器学习开发流程