通过一段对机器学习课程的学习，为方便后续复习和知识点梳理，现将这段时间的学习收获做出总结。主要从线性回归、逻辑回归和人工神经网络三个方面进行归纳，完成基本算法的推导和设计。

一. 概述

1.1 监督学习Supervised Learning

对应每个数据样本，均有相应“正确的”输出值与之对应，根据给出样本进行模型的学习，使得学习到的模型能够对任意给定的输入，其输出均能做到对样本数据的预测。

1.2 非监督学习Unsupervised Learning

在无监督学习中，我们已知的数据。看上去有点不一样，不同于监督学习的数据的样子，即无监督学习中没有任何的标签或者是有相同的标签或者就是没标签.

1.3 机器学习Machine Learning

在进行特定编程的情况下，给予计算机学习能力的领域。

二. 重要期刊及会议

三. 学术大牛

机器学习引言

原文：https://www.cnblogs.com/faithyiyo/p/10739897.html