开发者学堂课程【计算机视觉入门及案例实战：机器学习】学习笔记，与课程紧密连接，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/744/detail/13170
机器学习
内容简介：
一、什么是机器学习？
二、房价预测案例分析
三、机器学习流程
四、机器学习中常用名词解释
五、机器学习的定义
六、机器学习与人工智能的关系
七、习题
一、什么是机器学习？
什么是机器学习？人工智能这个概念是在1956年提出的，现在过去已经有60多年的历史，在通往人工智能的道路上，人类做过很多种探索，去探索人工智能的可能性，但是很不幸的是很多方法都失败了。在上个世纪80年代人类创造了一种叫机器学习的方法，这种方法是利用统计学的原理，使用大量的数据去模拟一个人在成长过程中学习的状态，通过学习，建立一种对事物的认知，然后就可以把它看作具
备一定智能了。
接下来将通过一个案例，进一步说明什么是机器学习，并对机器学习的过程和专有名词做进一步的解释。
二、房价预测案例分析
案例是一个房价预测的案例，在这里老师没有标出所在城市，但可以把它想象成是自己所在城市。其中横坐标 X 它代表的是房子的面积，纵坐标Y它代表的是房子价格，其中有很多红色的叉叉，它代表的是已知面积和价格的房子，实际上就是已知X和Y的房子。其中五角星代表的是已知面积，不知道价格的房子。房价预测案例的需求就是在已知很多面积的房子价格的情况下，去预测五角星位置房子的价格。实际上就是求一个已知面积的房子，它的价格会是多少？
思路如下：
已知有很多的已知数据的情况下，一个已知房子面积X和已知房子价格Y的数据，根据数据在坐标轴中的位置连线，形成一条直线，在将已知面积，不知价格的房子做垂线，连接连线得到价格位置的横线，即可得出房子价格。这就是简单的线性方程思维。
三、机器学习流程
接下来将通过房价预测的案例对机器学习的流程和相关名词做进一步的解释。第1步选择模型，比如说房价预测的案例中我们就会选择一个线性回归的模型；
第2步得到历史数据，实际上案例中的红色的叉叉，它是已知房子面积和价格的数据，房子面积可以称呼为特征值，价格称呼为目标值；第3步用历史数据训练我们选择的模型，因为刚开始初始化的模型，它与实际正确的模型有较大误差，这就需要我们不断根据真实数据去调试，得到正确的模型。就是不断的用历史数据去对模型做优化，直到模型接近或者等于真确模型为止，这个过程称为模型训练，有时候也叫机器学习；
第4步是预测，输入一个特征值使用我们的模型去预测它的目标值，得出我们想要的结果。
四、机器学习中常用名词解释
1.训练值
第一个训练值是指案例中的红色的叉叉，它是已知特征值和目标值的数据
2.特征值
第2个特征值，是案例中的线性回归的模型中房子的面积，实际上一个线性回归的模型可以有多个特征值
3.目标值
第3个目标直指的是房子的价格，注意目标值有且仅有一个
4.模型/算法模型
第4个模型/算法模型指的是刚才案例中线性回归曲线
5.训练模型/机器学习
第5个模型训练/机器学习，它指的是，刚开始的模型可能并不正确，需要通过使用数据去进行模拟训练，不停的改进，最终得到目标模型的过程，就叫模型训练，也叫机器学习
6.预测
第6个预测，是指根据已知模型，预测一个已知面积房子的价格是多少的过程
五、机器学习的定义
机器学习：机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。
机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。
六、机器学习与人工智能的关系
机器学习是实现人工智能的一个途径
七、习题
多选题：以下是个说法中正确的有？（）
A：我们房价预测案例中使用了机器学习中的线性回归模型（y=wx+b）。
B：机器学习是实现人工智能的一种方式，而且是比较成功的一种方式。
C：在房价预测中面积是特征值，房价是目标值，实际上可以有更多的特征值。
D：机器学习的概念是上个世纪80年代提出的，过程模拟了人学习的过程，用已知数据训练一个算法模型，利用训练出来的模型实现对未知事物的预测。
正确答案：ABCD
解析：A在房价预测的案例中使用了机器学习中的线性回归模型是正确的，B机器学习是实现人工智能的一种方式，而且是比较成功的一种方式，是正确的，C在房价预测中面积是特征值，房价是目标值，实际上可以有更多的特征值，这个也是正确的，D机器学习的概念是上个世纪80年代提出的过程模拟了人学习的过程，利用已知数据训练一个算法模型，利用训练出来的模型，实现对未知事物的预测，正确，所以正确答案是ABCD。
