机器学习新视角1 :机器学习算法基本步骤

机器学习算法基本步骤:

1. 读取数据

		训练数据, 
		测试数据，测试标签 (无监督时没有)

2. 找寻特征

		强化特征:卷积核,池化 
		统计特征:频谱直方图 

3. 拟合特征

		距离回归,逻辑回归(归一,激活), 
		线性回归(一元,多元) , 
		神经网络拟合

4. 调整算法参数:

		调整k值 ,
		调整线性斜率(n元参数对应n个斜率),
		调整权重(可以理解为权重是在矩阵中的斜率) 			

5. 分析误差

(只针对分类算法也就是有监督学习算法)

		距离测量:	 欧式距离,曼哈顿距离,切比雪夫距离  等
		梯度测量: 求导

6. 误差补偿:

		修改 矩阵权重,
		修改 k值,
		修改 向量斜率
		修改 常参:
		梯度反向传播算法

7. 逼近算法参数:

		求最佳权重矩阵,
		求最佳k值