插入学习一下一些基础概念：

1、基本概念

• 人工智能：让机器像人一样思考。
• 机器学习ML：计算机获取知识的过程。
• 深度学习：机器的一种思考方式（借助神经网络）。

三者关系

2、机器学习的方式

• 监督学习（有标签）
• 半监督学习（部分标签）——无标签＞有标签的量
• 无监督学习（无标签）——聚类问题
• 强化学习（有奖励）

3、机器学习常见任务

• 分类
• 聚类——相似性区分，尽可能相似的为一组
• 回归——时间特征，进行预测

4、机器学习三要素

• 数据——基础

             训练集（课本）、验证集（作业）、测试集（考试）

             数据集划分比例：

                            训练集（60%）+验证集（20%）+测试集（20%）

                            训练集（80%）                            +测试集（20%）

• 算法——方法

     主要分为分类算法、回归算法、聚类算法三种，细分为朴素贝叶斯分类、逻辑回归、决策树、随机森林、支持向量机、K最近邻、K-均值聚类

• 模型——规律y=f(x)