今天我主要观看了机器学习第一章的视频，并跟随老师讲解完成了预测波士顿房价的代码的模仿编写
首先我了解了人工智能、机器学习、深度学习的历史和基本应用，然后我学习了机器学习的三种方式：有监督学习、无监督学习、强化学习
有监督学习是带标签的，无监督学习不带标签，强化学习通过奖励或者正反馈给予标签
然后我了解了有监督学习中样本标签为线性中的概念，包括训练集、测试集、模型、损失函数、优化目标
在有监督学习中样本标签为离散型的主要是分类，例如决策树对贷款违约的预测，即对人进行分类，贷款违约和贷款未违约
然后我学习了一些关于机器学习的工具和库，主要工具当然是python，其中比较重要的库有numpy、pandas、sklearn
我随后学习了sklearn的应用过程，主要是先对数据进行转换，然后用模型训练，最后用测试数据进行模型预测
最后学习了一个预测波士顿房价的实例，其中主要应用sklearn过程是
首先导入工具包，然后加载数据，然后训练集测试集划分，再然后模型构建与拟合，最后是模型预测与评价
以上就是我今天主要学习的内容