名Double K——ZZU大二学生一枚，自己的第一篇开篇博客，想分享和记录一下自己机器学习的历程，算是起到一个监督和督促自己的作用吧，有错误的地方还请大家尽管指出，同时也希望可以找到志同道合的朋友一起加油（PS：KingKongS7 附上本人的微信，如果想交个朋友希望各位可以惠存一下 ）
什么是机器学习
尽管越来越多的IT人员从事到机器学习的，但是对于机器学习仍然没有一个明确的定义，说一说现有的一些定义：在没有明确定义的情况下，让计算机具有自我学习能力的研究领域。
来个Eg：围棋阿尔法狗.就算得上是一个机器学习的研究成果，我们可以把它理解为一个训练的过程，不断的给这只Dog喂养数据，也就是各种各样的棋盘布局，来让它计算和学习那种布局刚容易走向胜利，当自身的数据足够大的时候，阿尔法狗理所当然成为一个围棋怪兽。
监督学习和无监督学习
监督学习（supervised learning）
监督学习顾名思义你可以理解成：一个有一个类似于教师职责的人在监视计算机的学习的过程，监视计算机的训练过程，如上所示，我们依旧给计算机训练内容，并且告诉计算机哪些是输入对象，哪些是期待的输出，在经历这些训练之后，计算机会对不同的数据输入产生一个映射，这个映射值就是我们期待的输出。
来个Eg：
如图，我们给出输入对象是房子的大小，而我们的期待输出是房子的价值，这可能是我们给出的预算 但是我们把数据给到计算时，当我们给出的数据足够大的时候机器学习可能给出的函数是这样的 ↓
是不是相对于人类的预算，更接近房子的准确价值呢！
当然我们给出房子的更多特性和数据量，机器给出的预算应该能达到90%以上的准确率。
无监督学习（unsupervised learning）
无监督学习，我们不告诉计算机那些是输入对象，那些是期望输出，我们只给计算机训练对象，让计算机根据自己的算法对内容进行分类。
老套路，来个Eg：
x1和x2我也不知道该代表什么，但是经过无监督学习种的聚类算法可以轻易把他们分成两个组，不光是纸面上的可以用聚类算法进行分析，音像领域照样也可以用该算法，把不同人发出的声音很好的分离开来！
二者的区别
针对有监督学习，你必须给出那些数据是对的，那些是错的也就是标签，这样计算机才可以给出需求值。针对无监督学习，我们只给计算机数据，让计算机自己来进行归类，对数据进行划分。
ok第一篇博客就先到这里~
下篇见…