本专栏旨在快速上手大模型相关内容，补齐大模型相关基础。

1 什么是机器学习

1.1 Arthur Samuel(1959)

Field of study that gives computers the ability to learn without being explicitly programmed.

让计算机在没有明确编程情况下具有学习能力。

1.2 Tom Mitchell (1998)

A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.

计算机程序从经验E中学习，解决任务T，进行某一性能衡量P，通过P测定在T上的表现因经验E而提高。

1.3 示例

1.3.1 跳棋游戏

E：算法 VS 我 的n次跳棋经验

T：下跳棋

P：与新对手下跳棋时的胜率

1.3.2 垃圾邮件分类

2 主要学习算法分类

2.1 监督学习（Supervised Learning）

2.1.1 定义

学习x到y，即输入、输出映射算法。提供学习算法示例以供学习，其中包括正确答案（给定输入x的正确标签y），并且通过查看输入x和输出标签y的正确匹配对，最终达到只有输入x时预测出y。监督学习有回归和分类算法。

2.1.2 回归算法 （Regression）

从无数可能的数字中预测一个数字。

示例：

房价预测，输入房子平方数，输出预测房价。

2.1.3 分类算法（Classification）

对一个类别作出预测。

示例：

统计医院检查肿瘤良性、恶性情况，根据肿瘤大小、病人年纪划分出高风险患癌区域。

2.2 无监督学习（Unsupervised Learning）

和监督学习比较，最大特点是无标签，其根据数据结构进行区分。肿瘤检查示例中，无监督学习只会将良性、恶性肿瘤分成两块，但它也不知道这两块数据是什么（如聚类算法、异常检测算法）。

2.3 其他

强化学习（Reinforcemen Learning）、推荐系统（Recommender Systems）

3 VSCode下使用Jupyter Notebooks

Jupyter Notebooks用于后续机器学习代码编译学习，其安装好类似于浏览器，亦可在VS Code上使用。

3.1 确认python版本

博主使用Ubuntu20.04，python默认版本3.8.10

python3 --version

如果没有，如下指令安装：

sudo apt update && sudo apt upgrade -y
sudo apt install python3 python3-pip -y

3.2 VS Code安装

博主已安装，安装指令如下：

sudo snap install code --classic

3.3 安装Jupyter Notebook

博主在虚拟环境下使用Jupyter Notebook，方法如下。

3.3.1 安装venv模块（）

sudo apt install python3-venv -y

3.3.2 激活虚拟环境

source ~/myenv/bin/activate

3.3.3 安装notebook和jupyterlab

pip install --upgrade pip
pip install "notebook==7.2.2" "jupyterlab==4.2.5"

3.3.4 测试Jupyter Notebook安装成功

jupyter notebook

安装成功会打开一个网页。

3.3.5 建立与VS Code联系

（1）安装Jupyter与Python

（2）下载课程学习代码

https://download.csdn.net/download/weixin_45728280/92130674

（3）设置解释器

按：Ctrl + Shift + P

输入：Python: Select Interpreter，回车

输入解释器路径-查找，博主安装路径为/home/ch/myenv/bin/python，此处改为自己虚拟环境安装位置。

PS.此处解释务必选对，否则报错，亦打开课程文件后此处选择

（4）打开课程代码

找到work，点击带.jpynb后缀的文件即可。

4 终端直接调用

（1）进入Jupyter Notebook对应的文件夹；

（2）打开终端，激活虚拟系统；

source ~/myenv/bin/activate

（3）打开jupyter notebook。

jupyter notebook