机器学习笔记（一）之综述

一、分类

1. 监督学习（关注对事物未知表现的预测，一般为训练数据（特征与结果）和测试数据（只包括特征，需要根据训练数据训练好的模型和测试数据中的特征进行预测））
   • 分类问题（一般而言针对离散型数据）
   • 回归问题（一般而言针对连续型数据）
2. 非监督学习（关注对事物本身特性进行分析，一般只有数据，不会给结果和特征，需要对数据进行挖掘与分析，从而发掘数据之间的关系）
   • 数据降维
   • 聚类分析
3. 半监督学习

二、机器学习处理步骤

1. 数据导入及查看相关信息
2. 数据预处理（数据分割，缺失值填充，特征提取等）
3. 划分数据（针对监督学习，将数据划分为训练集与测试集）
4. 建立模型
5. 模型误差计算与模型调参
6. 模型预测