机器学习笔记

什么是机器学习

机器学习是选取一系列算法、模型，通过挖掘大量的数据并对其进行清洗、特征标注即（（训练集））对所选取的算法、模型进行训练学习，使得所训练的模型具有一定的预测能力，能够实现对新的样本数据集测试集达到近乎接近与训练集的效果（泛化能力）。

机器学习基本术语

机器学习流程步骤

1. 选择合适的数据集（包括训练集、测试集）
2. 选择一个合适的模型对数据集进行训练；
3. 通过衡量标准（**查准率、查全率、F1、ROC和AUC曲线、损失函数等验证所采用的模型的预测、识别等效果；
4. 通过训练集训练的模型，在测试集上进行验证；

机器学习算法

1.线性回归 (Linear Regression)

2.逻辑回归 (Logistic Regression)

3.决策树 (Decision Tree)

4.支持向量机（SVM）

5.朴素贝叶斯 (Naive Bayes)

6.K邻近算法（KNN）

7.K-均值算法（K-means）

8.随机森林 (Random Forest)

9.降低维度算法（Dimensionality Reduction Algorithms）

10.Gradient Boost和Adaboost算法
详细介绍博客来源链接