《机器学习实战》课程笔记（第1章）

一、机器学习的主要任务

1. 分类：将实例数据划分到合适的分类中。
2. 回归：预测数值型数据。
   分类与回归属于监督学习，这类算法必须知道预测什么，即目标变量的分类信息。
3. 聚类：将数据集合分册很难过游类似的对象组成的多个类的过程。
4. 密度估计：寻找描述数据统计之的过程。

---

监督学习的用途
k-近邻算法	线型回归
朴素贝叶斯算法	局部加权线型回归
支持向量机	Ridge回归
决策树	Lasso最小回归系数估计
无监督学习的用途
K-均值	最大期望算法
DBSCAN	Parzen窗设计

---

二、开发机器学习程序的步骤

(1) 收集数据;
(2) 准备输入数据;
(3) 分析输入数据;
(4) 训练算法;
(5) 测试算法;
(6) 使用算法。

三、选择Python语言

Python语言借用Numpy与Matplotlib可以很方便的处理数值以及图像相关的内容。

第一次写博客，先到这儿吧，第二章好好写~