1: 机器学习可以解决哪些问题？主要分为两类问题：分类问题和回归问题，其中分类问题又可以分为多分类问题和多标签多分类问题 。其他还有很多进阶版本的问题，一般由多个问题复合而成，比如物体检测，实际是把图像分割和分类问题整合到了一起；2: 机器学习算法有哪些？我们大体可以将机器学习的算法分为传统机器学习和深度学习算法 。
传统机器学习算法中，常见的有SVM，决策树，随机森林等，大都在sklearn中进行了集成，可以非常方便的调用 。深度学习算法主要依赖学习框架，主流的包含Tensorflow和PyTorch，各有优缺点，请自行了解做进一步选择 。其次就是深度学习的网络结构又可以分为卷积神经网络，递归神经网络，自动编码器，对抗生成网络，图卷积神经网络等 。
目前深度学习在各个领域都取得了巨大的性能提升，是机器学习中的重点领域，另外图卷积也逐渐成为重中之重；3: 常见的机器学习的流程是什么样的？一个不失一般性的流程由这么几部分构成：数据集整理，数据集预处理，数据集划分（训练集，测试集，验证集，常见比例7:1:2），模型训练，模型验证，模型测试 。4: 怎么评价模型性能好坏？常见指标有哪些？我们通常使用验证集的数据测试并选择最终的模型，然后用测试数据集来测试我们模型的性能 。
得到最终模型后，我们可以使用更大的独立测试数据集来进一步评估模型的性能 。评估模型性能，我们就需要使用具体的性能指标 。根据数据集中不同类别样本的比例，我们将数据集分为均衡数据集和非均衡数据集 。均衡数据集我们可以使用准确率、损失值、马修斯系数、F1-score、ROC 曲线以及 AUC 值等指标，这类数据集的评估相对容易 。
对于非均衡数据集，我们需要谨慎的使用准确率来衡量模型性能，结合具体问题，我们一般更多的使用F1-score和ROC-AUC等指标 。5: 关于公共数据集 。现在网上有很多公开的且标注完备的数据集，包括图像的、序列的、文本的等等，为机器学习提供了良好的学习环境 。练手阶段需要充分利用这些资源！此外，机器学习不是万能的，很多情况下性能取决于数据和问题定义，不是每一个问题都能用机器学习解决 。
人工智能、机器学习、深度学习的关系是什么？
深度学习是实现机器人学习的一种方式，机器学习是实现人工智能的一种方式 。这三者属于一个从属的关系 。下面详细解释一下：深度学习，机器学习，人工智能的各类概念 。1、深度学习：相当于一种处理信息的方式 。这上面的三个概念，在理解的时候，最好类比一下人类的思维习惯 。然后就好理解这些模型和架构 。外部信息输入进来之后——机器人通过什么处理方式进行梳理这部分数据，并且能够根据这个梳理完的数据，留存下载的信息，建立新的索引基础 。
这就是深度学习的表面含义 。说通俗点就是：我们在教育孩子的时候，第一次告诉他，桌子上的是碗，头顶的是灯 。最开始小朋友学会了，只知道这这两个东西 。后来他开始类比，只要是发光的，他都叫电灯 。只要是白色的放桌上都叫碗 。这种举一反三是非常合适的，这其实就属于深度学习中的数据处理单元 。大部分人喜欢用这张图来说明，深度学习 。
这么说吧，就这张图，可以说一本书的深度学习知识 。咱们普通朋友，根本听不懂 。换一张图解释一下深度学习 。这么解释一下或许更好一些：1、当你有人第一次告诉你，桌子上的东西叫碗 。你会形成一个向上的认知：碗是白色，可以盛饭，凹进去的 。2、你闭上眼，不去看那个碗 。你在大脑中，怎么描述碗？那就是一个反过来的过程：白色的，盛饭的，凹进去的就是碗 。
推荐阅读
- 每日最多增加5次集卡的机会,集卡赢红包
- 苹果x手机后屏玻璃碎了多少钱 "苹果x手机后屏玻璃"
- 修手机后屏玻璃多少钱OPPO 手机后屏玻璃碎了多少钱
- 锦州多少大学,2022年锦州市大学有哪些
- 铜的电阻值是多少,铜的电阻率大概是多少
- 请问“其它”是什么东西？
- 小米vr配坚果效果能有多渣呢？
- 为什么很多人不在苹果官网买 小米家电专卖店是官方正品吗
- 多岁的老妈买手机选苹果还是华为 手机选小米还是华为
- 播放小米家电多少钱 小米家电全套多少钱