机器学习实战---第一章 机器学习基础

写在前面：开始学习《机器学习实战》这本书啦，记录下自己觉得重要的点。

目录：

1.1 什么是机器学习

机器学习就是把无序的数据转换成有用的信息。

1.2 关键术语

（PDF版本的电子书竟然缺了几页？）特征，属性，训练集，测试集，目标变量，知识表示

1.3 机器学习的主要任务

1.4 如何选择合适的算法

首先考虑目的，如果要预测目标变量的值，则可以选择监督学习算法；否则选择无监督学习算法。
确定选择监督学习算法以后，然后确定目标变量类型，如果是离散型，则可以选择分类器算法；如果是连续型，则选择回归算法。
确定选择无监督学习算法后，如果需要将数据划分成离散的组，则使用聚类算法；如果还需要估计数据与每个分组的相似程度，则需要使用密度估计算法。

1.5 开发机器学习应用程序的步骤

1. 收集数据
2. 准备输入数据
3. 分析输入数据，确保没有垃圾数据
4. 训练算法（如果是无监督学习算法，由于不存在目标变量值，故而也不需要训练算法）
5. 测试算法，如果不满意，回到第四步，改正并加以测试
6. 使用算法

1.6 Python 语言的优势

语法清晰；易于操作纯文本文件；使用广泛，存在大量的开发文档。