6.1 什么是机器学习

大数据时代

• 大数据时代1.0:数据的积累和呈现
• 大数据时代2.0：机器学习，用历史数据预测未来
• DT（Digital Technology）时代，数据即财富
• 机器学习，给数据赋予价值
  

什么是机器学习

机器学习是模拟人类学习，核心即试错

6.2 机器学习的类型

监督学习vs无监督学习

• 监督学习：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。
• 无监督学习：事先没有任何训练数据样本，需要直接对数据建模。

监督学习vs强化学习

监督学习为实时反馈，强化学习为延时反馈

机器学习为什么能起作用？

• 预测房价
  

1. 根据数据特征，用算法将数据分类
2. 泛化算法，线性回归

6.3～6.5 简单回归实例

房产价值估算

房产价格是⼀个整体，房间数量，房屋⼤⼩，⼩区地段这些都是它的特征，根据权重，这些特征数据会有⼀个加权值
所以价值估算的命题，实际上就是计算机如何帮我们找到权重的问题

1. 把每个权重都设置为1
2. 将每栋房产代⼊函数，检验估算值与正确价格间的偏离
3. 不断重复第⼆步，尝试所有可能的权重值组合，找到代价最接近于0的组合
   
   

预测只是在已知⽆完美解的情况下找到最优解

过拟合

拟合（Fitting）：就是说这个曲线能不能很好的描述某些样本，并且有比较好的泛化能力。

过拟合（Overfitting）：就是太过贴近于训练数据的特征了，在训练集上表现非常优秀，近乎完美的预测/区分了所有的数据，但是在新的测试集上却表现平平，不具泛化性，拿到新样本后没有办法去准确的判断。

欠拟合（UnderFitting）：测试样本的特性没有学到，或者是模型过于简单无法拟合或区分样本。


拟合更注重全局分布（允许误差），⽽过拟合注重局部数据分布，不利于预测新的元素。

交叉验证

将样本分为测试样本和训练样本，测试样本即⽤来测试数据是否过拟合。

机器学习永远⾯对的是⽆限的可能，⽽不是有限的数据