《机器学习实战》第一章 机器学习基础

第一章 机器学习基础

• 机器学习就是把无序的数据转换为有用的信息
• 机器学习关键术语：专家系统；特征；实例；分类（机器学习的主要任务）；训练集；训练样本；目标变量；类别
• 机器学习的主要任务：分类、回归、聚类和密度估计。

常见机器学习算法

监督学习算法	无监督学习算法
k-近邻算法	K-均值
线性回归	最大期望算法
朴素贝叶斯算法	DBSCAN
局部加权线性回归	Parzen窗设计
支持向量机
Ridge回归
决策树
Lasso最小回归系数估计

如何选择合适算法?

• 考虑目的
• 考虑数据

开发机器学习应用程序的步骤

• 1.收集数据
• 2.准备输入输出
• 3.分析输入数据
• 4.训练算法（监督学习而言）
• 5.测试算法
• 6使用算法

NumPy函数库基础

• NumPy矩阵（matrix）和数组（array）的区别：
  http://blog.csdn.net/vincentlipan/article/details/20717163
• matrix是个class：mat()把数组转换为矩阵，mat.I求逆运算(inverse)，eye(n)创建n×n的单位矩阵。