插入学习一下一些基础概念：
1、基本概念
- 人工智能：让机器像人一样思考。
- 机器学习ML：计算机获取知识的过程。
- 深度学习：机器的一种思考方式（借助神经网络）。
三者关系
2、机器学习的方式
- 监督学习（有标签）
- 半监督学习（部分标签）——无标签＞有标签的量
- 无监督学习（无标签）——聚类问题
- 强化学习（有奖励）
3、机器学习常见任务
- 分类
- 聚类——相似性区分，尽可能相似的为一组
- 回归——时间特征，进行预测
4、机器学习三要素
- 数据——基础
训练集（课本）、验证集（作业）、测试集（考试）
数据集划分比例：
训练集（60%）+验证集（20%）+测试集（20%）
训练集（80%） +测试集（20%）
- 算法——方法
主要分为分类算法、回归算法、聚类算法三种，细分为朴素贝叶斯分类、逻辑回归、决策树、随机森林、支持向量机、K最近邻、K-均值聚类
- 模型——规律y=f(x)
)
