机器学习——python机器学习第2版笔记

本文简要介绍了python机器学习第二版前11章的笔记，因为12-16章，主要介绍的是TensorFlow，（我们不使用者这个包）以及深度学习的内容。下一站开始深度学习。

1 赋予计算机从数据中学习的能力

1.1 构建把数据转换成知识的智能

1.2 三种不同类型的机器学习

本节将讨论有监督、无监督和强化三种不同类型的机器学习，分析它们之间的根本差别，并用概念性的例子开发一个可以解决实际问题的应用：

用有监督学习预测未来
用强化学习解决交互问题
用无监督学习发现隐藏结构

1.3 基本术语与符号

1.4 构建机器学习系统的路线图

1.5 用python进行机学习

安装包：NumPy 、SciPy 、scikit-learn 、Matplotlib 、pandas
安装anaconda

2 训练简单的机器学习分类算法

2.1 人工神经元——机器学习早期历史一瞥

人工神经元的正式定义
感知器学习规则
感知器的一般概念图：

2.2 在python中实现感知器学习

面向对象的感知器API
在鸢尾花数据集上训练感知器模型

2.3 自适应神经元和学习收敛

1.梯度下降为最小代价函数
2.用Python实现Adaline

3.通过调整特征大小改善梯度下降
标准化：
$$x_j=(x_j-u$$