Introduction to Data Modelling and Machine Intelligence 数据建模和机器智能（机器学习）

在我们学校，机器学习这门课的全称是：Data Modelling and Machine Intelligence，简称DMMI, 翻译过来是数据建模和机器智能。 作为一个没接触过机器学习的人，如果不是因为这门课是Deep Learning的前置课程，我也不会想到这门课竟然就是机器学习，而且是很传统的那种。 这门课使用的软件有两种，1是MATLAB，2是Orange3，不错，不会用Python。    Introduction   “Machine Learning is the field of study that gives computers the ability to learn without being explicitly programmed (with certain rules)”. 　　　　—Arthur Samuel, 1959   机器学习的分类： 1. 根据是否在人类监督（human supervision）下学习，分为 Supervised learning: 算法通过学习，找到的是f(x)与带有label的input之间的关系。通常用于预测数据。 Unsupervised learning: 数据集没有label，这种情况下，算法会自己寻找features之间的关系，并把他们归类。 Semi-supervised learning: 数据集中部分有label，起初会使用这部分数据进行训练，然后对其他unlabelled的数据进行分类 Reinforcement learning: 通过算法的奖励和惩罚机制，强化学习由5部分组成1) 环境: 真实或模拟出来的环境；2) 状态；3) 反馈：从环境来的；4）方法：将状态映射到某具体动作；5）在未来特定环境下执行动作所获得的奖励   2. 根据是否能够无需退出流程就可以学习（连续不断的）。在英文给的描述是on the fly, 根据知乎某匿名用户的说法，也可以理解为“随意”，可以分为 Online learning：数据随时进来随时训练。 Batch (offline) learning：数据是一茬一茬的训练，完成以后就不再训练了。   3. 根据学习方式，可以分为 Clustering algorithms Association algorithms Liner regression Polynomial regression    

标签：Machine,机器,Introduction,Modelling,label,学习,learning,数据
来源： https://www.cnblogs.com/funnywii/p/15515781.html