1 数据集

在机器学习和模式识别等领域中，一般需要将样本分成独立的三部分训练集（train set），验证集（validation set ) 和测试集（test set）。其中训练集用来估计模型，验证集用来调超参数，测试集用来测试模型准确度。

1.1 训练集

• 训练集用来估计模型；
• 训练集占总样本的50%

1.2 开发集(验证集)

• 验证集用来确定网络结构或者控制模型复杂程度的参数
• 验证集占总样本的25%

1.3 测试集

• 测试集则检验最终选择最优的模型的性能如何
• 测试集占总样本的25%

1.4 简单的机器学习流程

2 常用的机器学习算法介绍

• 分类算法：有监督, 举例：猫狗分类
• 回归算法：有监督, 举例：房价预测
• 聚类算法：无监督, 举例：新闻分类
• 降维算法： 数据处理
• 模型选择算法： 算法的选择和参数调试所用到的技术
• 预处理算法： 特征提取和归一化

3 有监督机器学习和无监督机器学习

3.1 有监督机器学习

• 我们要教会计算机做某些事情
• 定义：我们给算法一个数据集，其中包含了正确答案，算法的目的就是给出更多的正确答案
• 有监督机器学习例子：分类

3.2 无监督机器学习

• 让计算机自己去做某些事情
• 定义: 我们给算法一个数据集，但是不给他正确答案，而让计算机自己去学习
• 无监督机器学习例子：聚类(预测鸢尾花卉)

Iris（鸢尾花）数据集是多重变量分析的数据集。每行数据包含4个属性：Sepal Length（花萼长度）、Sepal Width（花萼宽度）、Petal Length（花瓣长度）和Petal Width（花瓣宽度）。可通过这4个属性预测鸢尾花卉属于种类（Setosa，Versicolour，Virginica）中的哪一类。具体分为几类， 分析前是不知道的。

4 机器学习与人类学习

• 有了机器学习，我们还需要人为经验的干预吗？