Lecture1: Introduction

看完了cs229但没有做过相关的作业，所以想找门应用的课看一看，顺便也学一学Python，所以开始学习Coursera中的Applied machine learning.

这门课不会详细介绍原理细节方面，主要偏向如何用一些库实现机器学习。

Introduction中介绍了一些机器学习的基本概念，如supervised learning, unsupervised learning等等，这里就不再赘述了。

机器学习的基本流程如下图所示：

首先，应该人为观察下数据，查看是否有缺陷或者明显的特征，之后将数据分为train set和test set两部分。本节课指出应该对数据进行可视化处理，更容易观察是否有数据是噪声等等，并且特征空间能够较好地反映出特征间的联系。

之后介绍了下K邻近法，以及其Python实现。