我在leetcode学machinelearning

1.明确机器学习的目的：寻找一种合适的映射函数。

2.区分机器学习：有监督，无监督，半监督。其中区别其实就是真值的有无和多少。其中，对于半监督问题，我们首先采用聚类等无监督的手法，缩小处理范围，然后再利用少量的真值进行有监督的算法。

3.映射函数可以分为两种类型，一种是回归，一种是分类。注意两种函数是可以互相转化的。

4.机器学习工作流：

准备数据：1.分组-测试以及训练。2.补缺。3特征编码。

建模：选择算法-训练数据-测试数据-超参数调优

注意，这个流程是要反复迭代的，比如，有时候会要回到数据准备的过程。再比如要返回去训练数据。

（名词解释：产参数：其实就是算法提供的参数接口，调整这些参数，会影响算法底层的模型）

5.欠拟合，过拟合。其中，欠拟合应当选择更复杂算法，过拟合应该换算法或者对已有的算法增添正则化项。