【通识】机器学习相关

1. 流程

收集并准备数据，选择一个合适的算法训练模型。

1. Labeled Data（标记数据）：图中蓝色区域显示了标记数据，这些数据包括了不同的几何形状（如六边形、正方形、三角形），相应的软件包括LabelMe等等
2. Model Training（模型训练）：在这个阶段，机器学习算法分析数据的特征，并学习如何根据这些特征来预测标签。

2. 三个基本要素

1. 模型（Model）：假设输入数据（特征）和输出结果（标签）间可能存在的关系形式
   1）常见的模型-线性模型Linear Models
   如线性回归（Linear Models）（房价=a面积+b卧室+c），逻辑回归
   2）非线性（Non-linear Models）：决策树、支持向量机（SVM）、神经网络
   3）概率模型（Probabilistic Models）：如朴素贝叶斯
   4）非概率模型（Non-probabilistic Models）：如K近邻（KNN）
2. 学习策略（Strategy）：衡量学的好不好
3. 优化算法（Optimization Algorithm）

---

参考文献
[1] 机器学习简介
[2]