机器学习读书笔记（一）

机器学习分类

机器学习算法主要分为三种，监督学习（supervised learning）、无监督学习（unsupervised learning）和强化学习（reinforcement learning）。
监督学习有标签，用于预测结果或未来。
无监督学习无标签，用于寻找数据潜在结构。
强化学习有决策过程和奖励系统，用于学习一系列动作。

监督学习

监督学习是在训练数据和数据标签中进行机器学习，生成模型，然后将该模型用于新的数据去预测其标签。
监督学习包括分类预测 classification 和回归预测 regression。

强化学习

强化学习有决策过程和奖励反馈，可以解决与环境的交互问题。

无监督学习

在没有标准答案的情况下进行无监督学习，可以发现数据内存在的潜在结构。

降维

降维（dimensionality reduction）是无监督学习的另一种形式。

Roadmap 路线图

构建机器学习系统的路线图包含四个部分。Preprocessing 预处理；Learning 学习；Evaluation 评估；Prediction 预测。
Preprocessing 预处理：数据缩放、分类数据独热化、降维、数据分割成训练集和测试集或验证集等。
Learning 学习：选择算法模型，交叉验证，性能矩阵，超参数优化。
Evaluation 评估：形成最终模型，评价其最佳性能。
Prediction 预测：在新数据上，或者在测试集上进行预测。