机器学习实战第一章-机器学习基础

一，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. 分析数据：在此阶段可以对原始数据填充空值、过滤垃圾数据（如异常数据）、进行特征选择与特征降维、可视化分析等等。
4. 训练算法
5. 测试算法
6. 应用算法

二， Python语言实现机器学习算法的优势

1. 语法简单清晰
2. 易于处理纯文本文件
3. 使用广泛，存在大量的开发文档
4. 科学函数库：Scipy & Numpy；绘图工具库：Matplotlib等等
5. 总之，Python使得我们可以花费更多的时间处理数据内在的含义，而不是其他细枝末节，使得我们更容易更快速地表达自己的真正目的，例如快速的检验算法和思想是否正确。

三，Numpy常用操作

from numpy import *
randA = random.rand(4,4)    #1，产生一个4*4的随机数组，数据类型是array
randMat = mat(randA)        #2,将array数据类型的数据转换为matrix数据类型array和matrix看起来很相似，但是执行相同的数学运算可能得到不同的结果。
randMat.I                   #3,一个矩阵的逆矩阵
randMat.T                   #4，一个矩阵的转置矩阵
eye(4)                      #5，得到4*4的单位矩阵
eye(4,3)                    #6，得到4*3的单位简化行阶梯型矩阵

总是，array数据类型总是元素之间一一对应的数学运算，而matrix才是真正的矩阵运算。