AI基础知识（02）：机器学习的任务类型、学习方式、工作流程

03   机器学习（Machine Learning）的任务类型与学习方式

广义的机器学习主要是一个研究如何让计算机通过数据学习规律，并利用这些规律进行预测和决策的过程。这里的Machine并非物理意义上的机器，可以理解为计算机软硬件组织；Learning可以理解为一个系统或平台经历了某些过程后，性能得到提升，这个过程为学习，是个动态过程。

1.机器学习任务类型

分类：将数据样本划分到定义好的类别中，比如鸢尾花根据花瓣和花萼的属性，将它分为3种类别，类别标签可以用0、1、2来表示，通常放在样本数据的最后一列。

回归：根据输入特征来预测一个值，跟分类任务不同，回归任务预测的值通常是连续的值，比如根据房子的城市、地段、大小等预测房价。

聚类：将数据样本划分成不同的组，同一组的样本具有较高的相似性，比如将具有相似消费行为的客户分成一组，以便企业进行精准运营。

2.机器学习的学习方式

人工智能要按照训练数据有无标签可分为有监督学习、无监督学习和自监督学习

有监督学习：有特征、有标签，在分类问题中，标签是在有限的类别中选择一个，比如：性别、左右、对错等，在鸢尾花分类任务中，共几百个样本，