TensorFlow入门第一课---概念

首先你该具有的知识

• python基础：我不会从变量、循环、方法、类、讲起。

• 基本的数学知识：再难一点我也不会，所以我会把难点的数学方面的知识也讲一下

机器学习 大概分为两类（不一定，原因后面讲），下面看看哪两类？

监督学习

所谓监督学习我讲个例子就懂了。

• 分类

{头发：长,身材：苗条}=女
{头发：短,身材：强壮}=男

首先我们这样定义了男女，这样告诉了机器。此时我们来了一个人，他{头发：长,身材：苗条}。那么机器会告诉我这个人是女。
你看！机器学习我们搞出来了。他会判断男女了！
但是呢这种判断并不准确，确实也有苗条头发长的男人，所以机器学习其实还是有一定误差的，如何解决这个呢，那就是多添加点属性，比如加个{胸：大or小}等等等等。属性值越多，准确率就越高。
这里我们使用的是二分类。这种我们叫做分类，当然不光有二分类，也可以加个中性人，hhhh，这种也叫分类。

• 回归
  除了刚才这种的，还有

{头发：顺滑,身材：苗条，痘痘：无}=颜值100分
{头发：一般,身材:中等，痘痘：少}=颜值70分
{头发：干枯,身材:肥胖，痘痘：多}=颜值43分

还有34分、56分、79分、83.1分、46.9分等等数据。他是一个线性的。

曲线图
这种称为回归。

无监督学习

监督学习呢。是人为的给它打上标签(列如:男or女和80分、70分、50分)。告诉他什么样的人，他的结果是什么样的。那我不告诉他会怎样呢？

• 聚合
  看下面这个图 ，如果我给他们分类，分成两类。很明显分成了两堆。或者非让他分成三类。有可能右边那个单独成一类。这种方便发现人可能没注意到的一些事物的分类方式。
  比如给了一大堆人的各项数据。人为区分是：{男人or 女人}。然后机器可能会分出：{有钱人or 穷人}，{脾气好的人or 脾气坏的人}
  image.png
  刚才提到一个原因：
  剩下的还有半监督学习等等。我这里后期可能会说到。现在先理解这三个就好
  下一期讲代码！