对机器学习的认知

人工智能的关键就是让机器设备可以：感知，推断，行动和调整。而要能让设备自主的实现这些操做，机器就得有一个学习的过程，这就相似于咱们常说的师父领进门、修行靠我的，因此机器学习又分为：监督式学习（老师告诉你一些绝对正确的数据）、非监督式学习（而后本身根据正确数据的特色去判断一些没有见过的数据）、深度学习（根据海量的数据深刻分析这些数据的因果联系），具有这样能力的机器才能叫人工智能了吧。

机器学习旨在解决数据的回归和分类问题。

• 回归：查找函数逼近，就是根据一堆数据（样本），看能找到一个函数能让全部数据都能趋近于知足这个函数，而后根据这个函数再来检验新的数据是否知足此类数据特征。

• 分类：用于肯定数据身份，就是把全部数据可否分类看，根据某个关系来划分数据属于哪一类。
  

固然，要处理数据用EXCLE确定不行了，这里就引出了Python，Python用来数据分析是至关不错的，其有不少第三方库，会让编程变得简单起来，其数据处理的性能也很快，因此没啥说的，接下来就先学习Python。