對機器學習的認知

人工智能的關鍵就是讓機器設備可以：感知，推斷，行動和調整。而要能讓設備自主的實現這些操做，機器就得有一個學習的過程，這就相似於咱們常說的師父領進門、修行靠我的，因此機器學習又分爲：監督式學習（老師告訴你一些絕對正確的數據）、非監督式學習（而後本身根據正確數據的特色去判斷一些沒有見過的數據）、深度學習（根據海量的數據深刻分析這些數據的因果聯繫），具有這樣能力的機器才能叫人工智能了吧。

機器學習旨在解決數據的迴歸和分類問題。

• 迴歸：查找函數逼近，就是根據一堆數據（樣本），看能找到一個函數能讓全部數據都能趨近於知足這個函數，而後根據這個函數再來檢驗新的數據是否知足此類數據特徵。

• 分類：用於肯定數據身份，就是把全部數據可否分類看，根據某個關係來劃分數據屬於哪一類。
  

固然，要處理數據用EXCLE確定不行了，這裏就引出了Python，Python用來數據分析是至關不錯的，其有不少第三方庫，會讓編程變得簡單起來，其數據處理的性能也很快，因此沒啥說的，接下來就先學習Python。