机器学习是人工智能的一个分支，伴随着技术的演进，随着计算能力的提高而出现。它允许计算机通过利用作为输入给出的数据集的内部结构来学习许多问题的结果。

机器学习  的三个主要设置 ：

• 无监督学习 ——在没有先验知识的情况下学习给定数据集的内部结构。它通常被用作在数据集中寻找人眼可能无法感知的有趣特征或相似性的一种方式。例如，在零售业中，它可用于聚合一组表现出相似购物模式的客户，以便向他们发送定向广告。

• 半监督学习 ——通过一些知识来学习给定数据集的内部结构。它通常用于可以从数据集中区分类而不需要标记每个类的情况，这是一项昂贵的工作。例如，它可以用于异常检测场景，其中正常实例的数量通常远高于异常实例。一个具体的例子是飞机故障检测，我们知道系统的正常运行，但我们缺乏异常，因为它可能太昂贵或很少发生（pe发动机故障）。在这种情况下，正常实例被标记，但异常实例没有。

• 监督学习 ——监督学习包括学习给定数据集中的模式，我们对它有充分的理解。例如，有一些心电图信号数据库，其中包含大量心律失常，其中每一次心跳都标有心律失常的类型或是否正常。

在这个 Jupyter Notebook 中，将展示如何使用 scikit-learn  包，以便轻松部署机器学习模型以确定给定生物信号的性质，在这种情况下，如果它是 ECG 、  EMG 或 其他 。