1.基本概念

• 涉及学科：概率论，统计学，逼近论，凸分析，算法复杂度理论等
• 公司代表：Google，Facebook，百度，阿里巴巴，雅虎等
• 就业需求：机器学习，数据挖掘，统计分析等
• 热门应用领域：自动驾驶，人脸识别，计算机视觉，自然语言处理等
• 训练集：用来进行训练，也就是产生模型或者算法的数据集
• 测试集：用来专门进行测试已经学习好的模型或者算法的数据集
• 特征向量：属性的集合，通常用一个向量来表示，附属于一个实例
• 特征值：特征向量的值
• 分类：目标标记为类别性数据
• 回归：目标标记为连续性数据
• 监督学习：训练有类别标记
• 非监督学习：训练无类别标记
• 半监督学习：有类别标记+无类别标记
• 算法的评估：准确率，速度，强壮性，可规模性，可解释性
• 深度学习：基于机器学习延伸出来的一个新的领域，由以人大脑结构为启发，神经网络算法为起源，加之模型结构深度的增加发展，并伴随着大数据和计算能力的提高而产生的一系列新的算法

2.监督学习分类

• 决策树
• 临近取样
• 支持向量机
• 神经网络算法

3.监督学习回归

• 线性回归
• 非线性回归

4.非监督学习