python之机器学习

机器学习

机器学习不是“显著式编程”，它是一种根据经验E来提高性能指标P的过程

机器学习分类

监督学习（Supervised Learning）

每一个训练数据都有对应的标签

相关算法

1、支持向量机（SUPPORT VECTOR MACHINE）
2、人工神经网络（NEURAL NETWORKS）
3、深度神经网络（DEEP NEURAL NETWORKS）

监督学习分类

按照标签是连续还是离散，将监督学习分为分类问题和回归问题

无监督学习（Unsupervised Learning）

所有训练数据都没有对应的标签

相关算法

1、聚类（Clustering）
2、EM算法（Expectation-Maximization Algorithm）
3、主成分分析（Principle Component Analysis）

半监督学习（Semi-supervised Learning）

训练数据中一部分有标签，一部分没有标签

强化学习（Reinforcement Learning）

让计算机通过与环境的互动逐渐强化自己的行为模式

深度学习（Deep Learning）

Python Scikit-learn

Python Scikit-learn是一组简单有效的机器学习的工具集，依赖Python的NumPy，SciPy和matplotlib库，是开源的，可复用的。

sklearn库

sklearn库是scikit-learn的简称，是一个基于python的第三方模块。sklearn库集成了一些常用的机器学习方法，在进行机器学习任务时，不需要实现算法，只需要简单的调用库中提供的模块就能按成大多数的机器学习任务

Numpy库

Numpy（Numerical Python的缩写）是一个开源的Python科学计算库

Scipy库

Scipy库是sklearn库的基础，它是基于Numpy的一个集成了多种数学算法和函数的Python模块

matplotlib库

matplotlib是基于Numpy的一套Python工具包，它提供了大量的数据绘图工具