机器学习基础

1.机器学习的方法：有监督学习(分类，回归)、无监督学习(聚类)、半监督学习、增强学习、多任务学习

　　其中，有监督学习训练数据集有标记，无监督学习则无，半监督存在少量有标记的训练集大量无标记的训练数据集，增强学习不给具体步骤，只给出评价。

2.机器学习步骤：数据预处理(数据清洗，数据采样，数据集拆分)——>特征工程(特征选择，特征降维，特征编码，规范化)

　　其中各种步骤都存在一定的规则和方法。

3.机器学习的分类：分类问题(决策树，朴素贝叶斯，支持向量机，逻辑回归，集成学习)、回归问题(线性回归，岭回归，Lasso回归)、聚类回归(K-means，高斯混合聚类，密度聚类，层次聚类，谱聚类)、其他问题(隐马尔科夫模型，LDA主题模型，条件随机场，神经网络，深度学习)

小结：深度学习是人工智能的基础，发展深远，目前正在蓬勃发展，但是门槛比较高，西瓜书知识面比较广，奈何有些晦涩，不失为“圣经”级别。