机器学习是人工智能的核心领域，通过数据训练模型实现预测与决策。以下是关键知识点梳理：

1. 核心概念

  • 定义：让计算机通过经验（数据）提升性能的算法集合
  • 目标：发现数据中的模式并用于预测未知数据
  • 核心要素：
    • 训练数据
    • 模型算法
    • 特征工程
    • 评估指标
机器学习流程

2. 主要类型

类型 特点 应用场景
监督学习 有标签数据 分类/回归任务
无监督学习 无标签数据 聚类/降维
强化学习 基于奖励机制 游戏AI/机器人控制
机器学习类型

3. 学习步骤

  1. 数据收集与清洗
  2. 特征选择与工程
  3. 模型选择与训练
  4. 模型评估与调优
  5. 部署应用
机器学习步骤

4. 应用领域

  • 图像识别（如人脸识别）
  • 自然语言处理（如情感分析）
  • 推荐系统（如短视频推荐）
  • 金融风控（如信用评分）
机器学习应用

👉 想深入了解监督学习？可参考 /zh/tutorials/ml_supervised 专项教程