《机器学习中的数学》第一课笔记1.1

《机器学习中的数学》第一课笔记

链接

使用链接利用python掌握机器学习http://www.afenxi.com/post/8798

林轩田视频（讲的有点深，未必hold得住）：http://pan.baidu.com/s/1qWFROhm

林轩田课程笔记：https://www.douban.com/doulist/3381853/

 

第一次听七月在线的课，龙老师的声音好好听，宝宝的小心脏也跟着砰砰跳。整节课下来，感觉数据挖掘及机器学习，和数据分析大部分理论是相通的，只是数据挖掘、机器学习应用，对数学的基础、算法的掌握、编程能力要求更高。

学习机器学习，成长最快的方法：一是工作中实战，二是参加相关的竞赛( Kaggle )。这两点不仅适用于机器学习，同时也适用于其他东西学习。

机器学习 ：一、模式识别、数据挖掘、统计学习

                   二、计算机视觉、语音识别、自然语言处理（深度学习模型现在运用的非常好）

 

做好机器学习基本的三个点（其他地方同样适用）：

一、熟悉业务，模型和方法要符合业务场景； 二、懂得统计，熟悉算法；三、手勤点，多动手编程，多练习。

机器学习可划分为三类：

监督学习：算法经常用于预测，训练集中是有特征值阈值在工程中运用的比较多，但是机器学习的情况更为复杂。训练集中数据有特征、标签

无监督学习：分类和聚类的差别。训练集中数据有特征，无标签

半监督学习：需要有监督学习和无监督学习掌握的比较扎实的基础。训练集中数据有特征，部分无标签

 

算法一览表：可以根据实际情况，按图中所示步骤选择合适的算法

机器学习可以分为四组：分类，聚类，回归和降维。