机器学习与材料计算的个人看法

机器学习，是指机器拥有人类一般的学习能力，拥有自我更新和适应并从堆积如山的数据中寻找出有用知识的能力。是计算机通过数学原理、逻辑关系、海量数据等有机结合的算法来模拟人类生活中学习的过程，最后得出模型对新的情境给出判断。

机器学习可以通过较多编程语言实现，其中python以众多成熟应用库、易于编写等优势令人瞩目。对于python库：numpy、scipy用于处理数组、线性代数等操作的科学计算库；pandas库提供了高级工具用于进行数据分析；matplotlib为数据分析后进行的画图库；sklearn库是用于处理复杂数据，其包含了大量成熟的机器学习算法。

机器学习根据功能可以分为数据降维、分类、回归、聚类等算法。降维指尽可能保持数据信息下简化数据结构，例如通过PCA（主成分分析）算法对数据主要属性的选择；分类指对离散数据进行预测，例如支持向量机算法判断好数据还是坏数据；回归指对连续性数据的预测，例如逻辑回归算法判断房价走势；聚类指将数据组织成一些相似组，例如k-means算法将距离相近的点归为一类。这些算法也可以通过python的sklearn库进行调用，例如pca算法：

1.导入:from sklearn.decomposition import PCA

2.建立基础模型选择降维后的维数 :p = PCA(n_components=2)