Python机器学习笔记

机器学习的目标
机器学习是实现人工智能的手段，其主要研究内容是如何利用数据或经验进行学习，改善具体算法的性能。
-多领域交叉，涉及概率论、统计学，算法复杂度理论等多门学科。
-广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用。

机器学习分类
1、监督学习（Supervised Learning）
2、无监督学习（Unsupervised Learning）
3、强化学习（Reinforcement Learning，增强学习）
4、半监督学习（Semi-supervised Learning）
5、深度学习（Deep Learning）

Sclikit-learn库
-一组简单有效的工具集
-依赖Python的NumPy，SciPy和matplotlib库。
-开源、可复用

学习目的：
1、了解基本的机器学习原理及算法
2、学习利用机器学习算法解决应用问题的能力
3、掌握sklearn库中常用机器学习算法的基本调用方法，避免重复造车。

sklearn库的安装
介绍：sklearn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，并不需要实现算法，只需要简单的调用sklearn库中提供的模块就能完成大多数的机器学习任务。
sklearn库是在Numpy、Scipy和matplotlib的基础上开发而成的，因此在介绍sklearn的安装前，需要先安装这些依赖库。
1、Numpy（Numerical Python的缩写）是一个开源的Python科学计算库。
2、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。
3、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。
安装顺序：

具体安装参见
Python第三方库的安装
安装成功测试：