目录

1:AI,ML,DL概念以及关系

2：数据相关概念

1：术语

2：数据结构

3：数据集划分

4：算法分类

1：有监督

1：数据连续，回归任务

2：数据不连续，分类任务

2：无监督

3：半监督

4：强化学习

5：机器学习流程

6：评估模型

1：拟合

2：泛化

3：奥卡姆剃刀原则

7：虚拟环境

1:AI,ML,DL概念以及关系

1. AI：人工智能，让机器像人一样思考
2. ML：机器学习，在数据中找规律，根据规律预测
3. DL：类神经网络
4. ML是实现AI的途径，DL是ML的子集

2：数据相关概念

1：术语

1. 样本(sample) //行
2. 特征(feature) //列
3. 标签(tabel) //预测

2：数据结构

1. 有结构：二维数组
2. 无结构：音频，视频
3. 半结构：xml，json

3：数据集划分

一般按(8:2)(7:3)划分

1. 训练集
2. 测试集

4：算法分类

1：有监督

有人工标签

其数据分为连续和不连续

1：数据连续，回归任务

用回归算法

2：数据不连续，分类任务

用分类算法

2：无监督

无人工标签

用聚类算法

3：半监督

部分人工标签

4：强化学习

尽可能获取多的奖励分数，重复学习

5：机器学习流程

1. 准备数据
2. 数据预处理
3. 特征工程
4. 模型训练
5. 模型评估
6. 部署上线

6：评估模型

1：拟合

1. 过拟合：训练集表现好，测试集表现差
2. 欠拟合，训练集和测试集表现都差

2：泛化

模型在新数据的表现能力

3：奥卡姆剃刀原则

在相同泛化能力情况下，选择简单模型

7：虚拟环境

conda env list #查看虚拟环境
conda create -n 环境名字 python = 版本号 #创建虚拟环境
conda activate 环境名 #启动环境
conda deactivate 环境名 #关闭环境
conda env remove -n环境名 #删除换进

然后安装包，pip install scikit-learn