机器学习笔记

机器学习可以用来进行压缩。用规则拟合数据，我们能得到比数据更简单的解释，需要的存储空间更少，处理所需要的计算更少。
机器学习的另一种用途是异常值的检测，即发现那些不守规则的例外情况。
回归和分类均属于监督学习问题，其中输入$x$和输出$y$给定，任务是学习从输入到输出的映射。
在非监督学习中只有输入数据，我们的目标是发现输入数据的规律。输入空间存在着某种结构，使得特定的模式比其他模式更常出现，而我们希望知道那些经常发生，那些不经常发生，在统计学中称为密度估计。
要在sublime开发环境中运行Python代码，有以下两个步骤：
1. 需要先将Python的安装路径配置到sublime中的编译系统中：打开sublimeText
在菜单栏找到Tools——>编译系统——>新编译系统
在新的配置文件中输入如下配置
{
“cmd”: [“***********”,”-u”,”$file”],
“file_regex”: “^[ ]*File \”(…*?)\”, line ([0-9]*)”,
“selector”: “source.python”,
“encoding”: “cp936”,
}
其中***********处填写你的电脑中python的安装路径。
2. 接下来应该还要解决如何运行那些运行过程中需要参数输入的程序。具体教程。这个问题可以通过安装一个插件sublimeREPL解决 。在已经安装了包管理器的前提下按ctrl+shift+p快捷键呼出一个输入框，输入Install Package，回车，在新出现的输入框里输入SublimeREPL，在下面的选择列表中选中回车就会开始安装，一般几秒钟就能装完。
在刚刚的python文件的界面里点击上方菜单栏的tools->sublimeREPL->python->python run current file，这时候就像IDLE一样，会弹出一个新的窗口，而且是可交互的，可以输入
机器学习中分类算法：
1. k-近邻算法
2. 决策树：优点是：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关的特征数据。缺点：可能会产生过度匹配的问题。
from bs4 import BeautifulSoup 这个模块可以爬取离线网页上的内容。
矩阵matrix.A应该表示的意思是变成数组？
第三方文档帮助例如help(numpy.nonzero)