作者:Peter Harrington
2013年
第一部分 分类
第一章 机器学习基础
本章内容
- 机器学习的简单概述
- 机器学习的主要任务
- 学习机器学习的原因
- python语言的优势
1.1 何谓机器学习
机器学习 :把无序的数据转换为有用的信息
统计学和机器学习的关系:无法精确定义模型的时候,机器学习用统计学工具。
1.2 关键术语
特征或者属性或者特征 :测量的类型
实例 :测量的值
训练数据 :训练用的样本
测试数据:测试用的样本
1.3 机器学习的主要任务
监督学习:知道预测什么
分类:划分类别
- k-近邻
- 朴素贝叶斯
- 支持向量机
- 决策树
回归:预测数值 - 线性回归
- 局部加权线性回归
- Ridge回归
- Lasso最小回归系数估计
无监督学习:没有目标
聚类:分类
- k均值
- DBSCAN
密度估计:预测数值 - 最大期望
- Rarzen窗设计
1.4 如何选择合适的算法
1.5 开发机器学习应用程序的步骤
- 收集数据
- 准备输入数据
- 分析输入数据
- 训练算法
- 测试算法
- 使用算法
1.6 python
1.7 NumPy函数库
from numpy import *
random.rand()
numpy矩阵和数组的区别 矩阵可以执行矩阵的运算函数,比如求逆矩阵I,
mat()函数可以把数组转化为矩阵。