深度学习 基本介绍+数据集及其拆分

机器学习 (Machine Learning) 定义: 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数。并最终对数据进行预测和分析的一门学科。 二分类问题的基本解决思路: (1)建立假设模型(可理解为函数)。即建立一条直线,表达式为y=f(x)=W1x + W0。 则通过确定模型参数W1与W0的取值,就可以确定函数的具体位置。 (2)训练模型。利用已明确分类结果的样本数据集(称为训练集)进行训练,即函数参数的求解过程。得到参数W1与W0的最终取值,则得到最终的训练模型。 (3)进行分类判别。利用训练好的模型对待分类的数据进行分类判别,得出其属于哪一类。 多类分类问题可分为二