53 lines
1.5 KiB
Markdown
Executable File
53 lines
1.5 KiB
Markdown
Executable File
---
|
||
created: 2026-04-28
|
||
type: concept
|
||
tags: [机器学习，AI，监督学习，无监督学习]
|
||
---
|
||
|
||
# 机器学习（Machine Learning）
|
||
|
||
> 让计算机从数据中自动学习规律，无需显式编程
|
||
|
||
## 定义
|
||
|
||
机器学习是人工智能的一个子领域，研究如何通过算法让计算机从数据中学习模式，并用这些模式进行预测或决策。
|
||
|
||
## 三大范式
|
||
|
||
| 范式 | 说明 | 典型任务 |
|
||
|------|------|---------|
|
||
| [[监督学习]] | 从标注数据中学习映射 | 分类、回归 |
|
||
| [[无监督学习]] | 从未标注数据中发现结构 | 聚类、降维 |
|
||
| [[强化学习]] | 通过与环境交互学习策略 | 游戏 AI、机器人控制 |
|
||
|
||
## 工作流程
|
||
|
||
```
|
||
数据收集 → 数据预处理 → 特征工程 → 模型训练 → 模型评估 → 部署
|
||
```
|
||
|
||
## 核心概念
|
||
|
||
| 概念 | 说明 |
|
||
|------|------|
|
||
| 特征（Feature） | 输入数据的属性 |
|
||
| 标签（Label） | 要预测的目标值 |
|
||
| 过拟合（Overfitting） | 模型记住了训练数据的噪声 |
|
||
| 泛化（Generalization） | 模型在新数据上的表现 |
|
||
| [[反向传播]] | 神经网络训练的核心算法 |
|
||
|
||
## 与深度学习的区别
|
||
|
||
- **机器学习**：包含所有从数据中学习的算法（包括简单算法如线性回归、决策树）
|
||
- **深度学习**：机器学习的子集，特指使用多层[[神经网络]]的方法
|
||
|
||
## 相关概念
|
||
|
||
- [[神经网络]] / [[深度学习]]
|
||
- [[监督学习]] / [[无监督学习]] / [[强化学习]]
|
||
- [[Transformer 架构]]
|
||
- [[RAG]]
|
||
|
||
---
|
||
|
||
*基于 AI 基础知识整理* |