一、机器学习与人工智能、深度学习
1、机器学习是人工智能的一个实现途径
2、深度学习是机器学习的一个方法发展而来

二、统计学习和机器学习
实际机器学习在上世纪80年代已经出现，搞统计的

机器学习中有一个方法，叫人工神经网络，发展成深度学习

三、机器学习、深度学习能做什么
机器学习的应用场景非常多，可以说渗透到了各个行业领域当中。医疗、航空、教育、物流、电商等等领域的各种场景

机器学习领域：
1、传统预测
2、图像识别
3、自然语言处理

用在挖掘、预测领域：
应用场景：店铺销量预测、量化投资、广告推荐、企业客户分类、SQL语句安全检测分类...

用在图像领域：
应用场景：街道交通标志检测、人脸识别等等

用在自然语言处理领域：
应用场景：文本分类、情感分析、自动聊天、文本检测等等

四、什么是机器学习
1、定义
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

2、解释
我们人从大量的日常经验中归纳规律，当面临新的问题的时候，就可以利用以往总结的规律去分析现实状况，采取最佳策略

对猫、狗的识别：
从数据（大量的猫和狗的图片）中自动分析获得模型（辨别猫和狗的规律），从而使机器拥有识别猫和狗的能力

预测房屋的价格：
从数据（房屋的各种信息）中自动分析获得模型（判断房屋价格的规律），从而使机器拥有预测房屋价格的能力

思考问题：
从历史数据当中获得规律，这些历史数据是怎样的格式？

3、数据集构成
结构：特征值+目标值

注：
对于每一行数据我们可以称之为样本
有些数据集可以没有目标值

五、机器学习算法分类
1、如何区分猫和狗
特征值：猫/狗的图片
目标值：猫/狗 - 类别
  是分类问题

2、对房屋价格进行预测
特征值：房屋的各个属性信息
目标值：房屋价格-连续性数据
  是回归问题

3、识别职业
特征值：人物的各个属性信息
目标值：无
  是无监督学习

4、分类
目标值：类别 - 分类问题
目标值：连续型的数据 - 回归问题
目标值：无 - 无监督学习
分类是逻辑回归，预测是线性回归

5、小练习
预测明天的气温是多少度？  回归
预测明天是阴、晴还是雨？  分类
人脸年龄的预测？  具体年龄：回归问题；判断大小：分类问题
人脸识别？  分类

6、监督学习（supervised learning）（预测）
定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值（称为回归），或是输出是有限个离散值（称作分类）
分类：k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
回归：线性回归、岭回归

7、无监督学习（unsupervised learning）
定义：输入数据是由输入特征值所组成
聚类：k-means