机器学习的总结

一、机器学习是什么

机器学习就是数据挖掘，找到一个模型。

二、机器的流程是什么

第一步：把数据预处理，比如降维这些

第二步：找到人设计的模型f，比如线性、决策树、贝叶斯、神经网络等等

第三步：把全部训练样本m，统计计算模型f和全部样本m的均方误差（也叫loss，E(f）)。因为均方误差要到达最小，就要参数W最好。参考《西瓜书P54》

第四步：参数有无数个，不能参数不同均方误差。所以找到参数Parameter，就是要使用最小二乘法、梯度下降算法让。

第五步：对于训练样本就是均方误差最小，但是不能分辨正反啊。找到了模型f，就可对未来的数据分辨正反。所以设计一个错误率、精度、PR曲线、ROC曲线等。参考《西瓜书P30》

三、机器的边学边读

sklearn基础。https://blog.csdn.net/yuanshuaipeng/article/details/80399863

转载于:https://www.cnblogs.com/muffe/p/10199689.html