一、什么是机器学习
（一）
- 对于给定的任务T，在合理的性能度量方案P的前提之下，某计算机程序可以自主学习任务T的经验E；随着提供合适、优质、大量的经验E，该程序对于任务T的性能逐步提高。
- 机器学习是人工智能的一个分支。我们使用计算机设计一个系统，使他能够根据提供的训练数据按照一定的方式来学习；随着训练次数的增加，该系统可以在性能上不断学习和改进；通过参数优化的学习模型，能够用于预测相关问题的输出。
（二）这里最重要的是机器学习的对象：
- 任务Task，T，一个或者多个
- 经验Experience，E
- 性能Performance，P
即随着任务的不断执行，经验的积累回来带来计算性能的提升
二、机器学习的分类
- 有监督学习
- 无监督学习
- 增强学习
三、机器学习的内涵和外延
给定数据的预测问题
- 数据清洗/特征选择
- 确定算法模型/参数优化
- 结果预测
不能解决
- 大数据存储/并行计算
- 做一个机器人
三、机器学习的一般流程
数据收集--》数据清洗--》特征工程--》数据建模
四、导数
- 简单来说，导数就是曲线的斜率，是曲线变化快慢的反应
- 二阶导数是斜率变化快慢的反应，表征曲线凸凹性
（1）二阶导数连续的曲线，往往称之为“光顺的”
（2）加速度的方向总是指向轨迹曲线凹的一侧
- Taylor公式-Maclaurim公式
- 方向导数
如果函数z=f(x,y)在点P(x,y)是可微分的，那么，函数在该点沿着任一方向L的方向导数都存在，且有：
其中，Ψ是x轴到方向L的转角。
- 梯度
设函数z=f(x,y)在平面区域D内具有一阶连续偏导数，则对于每一个点P(x,y)€D，向量
为函数z=f(x,y)在P点的梯度，记作gradf(x,y)
梯度的方向是函数在该点变化最快的方向
- 凸函数
若函数f的定义域dmof为凸集，且满足
资料来源：小象学院 邹博 仅供学习研究