模式识别

模式识别：将事物归类

根据模式之间的距离函数来判别分类

交叉熵是一种计算两个统计距离的方法

模式是通过统计数据集得来

训练过程：通过调整参数使得预测函数的计算结果与真实结果一致（监督学习）

预测过程：将等测物体的参数传入已经调整好参数的预测函数，然后看输出结果跟哪个模式的距离最小

查找距离最小的方法：softmax()

计算两组分布的距离的方法：交叉熵

    调整参数？使预测和真实结果的误差最小

    如何调整？反向传播算法

    误差最小？损失函数

    真实结果？用事先标识好的数据进行训练

    预测函数？要设计的分类器

    距离最小？softmax 

分阶段：

1.原始数据的获取和预处理；

    requests/BeautifulSoup/scrapy/xpath/lxml/

2.特征齐提取与特征选择；

    numpy/pandas/matplotlib/scipy/

3.分类或聚类；

    tensorflow/

4.后处理；

    pandas/sqlite3

其它：tempfile/configparser