- 机器学习：
-
简单的说就是机器拥有了学习能力。这又是怎么一回事呢?
再回到人工智能的例子，只不过有所变动，我们知道，现在房价的波动有一定的规律，并感觉与年份、房间数有关，并认定规则为：房价=年份*a+房间数*b。
可以问题是a和b两个参数不得而知。但是可喜的是我们有很多历史数据。于是聪明的人们就想到有没有办法用数学来解这题。题目为：已知很多数据（房价，年份，房间数），设规则为房价=年份*a+房间数*b，求解参数a,b。
的确有办法，这个领域就叫机器学习！
这里会存在2个过程，第一个过程，利用数据和规则，求得参数，我们称之为训练模型。其中的模型就是我们设定的规则。
第二个过程是，有了参数，再结合模型(公式)进行预测。也就是实际使用或叫利用机器学习。
- 这就是机器学习的基本原理，于是以下几个零星点探讨下：
- 1.数据量越大，训练的模型就越准确。
-
a)客户曰：帮我做个机器学习吧。问：多少数据量？答曰：500条——你在逗我吧。。。
2.模型有时称为怪兽，我们需要喂粮食给它。它的粮食就是数据。
3.给它吃好的，想必出的结果也好。给它喂点垃圾数据，想要好的结果怎么可能。
4.模型参数是训练出来的，那这个模型呢怎么得来？
——由工程师根据经验定义出来。于是实际过程中，需要不断的调整模型，比如上式的模型有可能是：房价=年份2*a+房间数*b。
5.怎么知道一个模型好坏？可以用训练出来的模型反过来把所有训练数据预测一遍，比较与真实值之间的差别，就知道准确率了。
6.机器学习工作者主要工作就是寻找训练数据，然后不断调整模型，让训练结果更OK。
7.机器学习常见解决几类问题：
a)预测值为连续的，比如房价，那这类问题称为回归，可以作预测一些数值类的。
b)预测值为离散的，比如性别，花的类别，业务办理部门，这类问题可以称为分类。可以实现对数据的分类预测。
c)一些是没有预测值的，比如一堆文件，我们可以用机器学习进行聚类，把有一定规律的放在一块，然后再由人看了找规律。
d)a和b称为监督学习，c称为非监督学习。
