机器学习算法分类与python环境搭建

从零开始学习机器学习算法，并使用python语言实战，本类别是我个人起步学习的过程记录和学习总结。参考书目：《机器学习实战》、《Python编程-从入门到实践》。

《机器学习实战》U1

机器学习十大算法：C4.5决策树、K-均值（K-mean）、支持向量机（SVM）、Apriori、最大期望算法（EM）、PageRank算法、AdaBoost算法、k-近邻算法（kNN）、朴素贝叶斯算法（NB）、分类回归树算法（CART）。

根据任务类型，机器学习算法分类如下：

	有限集合	数值
监督学习	分类	回归
非监督学习	聚类	密度估计

监督学习中，训练集提供对应每个样本的label，非监督学习则没有label。

根据数据处理的目标变量类型，对于单纯的分类问题，有分类和聚类算法；对数值估计的问题，有回归和密度估计算法。

本书介绍的分类问题算法：kNN、决策树、NB、Logistic回归、SVM、AdaBoost。

Python3在macOS环境下的搭建：

1、打开Terminal，在终端窗口内输入“python”，确认本机是否装有python及版本情况（17款MacBook Pro上的版本是2.7.10）。

2、下载及安装Xcode（后续操作的平台支持）。

3、在终端输入命令“xcode-select --install”，下载命令行工具Xcode。

4、在终端输入命令“rube -e "$(curl -fsSL http://raw.githubusercontent.com/Homebrew/install/master/install)" ”,下载及安装Homebrew。使用命令“brew doctor”测试，若显示“Your system is ready to brew”，说明下载安装成功。

5、在终端输入命令“brew python3”，下载安装最新的Python3版本。使用命令“python3 --version”测试下载版本(安装了3.6.1版本)。

6、登陆“http://sublimetext.com/3”下载安装Sublime Text文本编辑器。

7、在终端输入“type -a python3”获取Python3解析器的完整路径，再启动sublime Text，选择菜单Tools/Build System/New Build System,删除所有内容，输入“{"cmd": ["/user/local/bin/python3", "-u", "$file"]}”,保证其中地址与前述操作获取的地址一致。将文件保存到Save默认地址，命名为“Python3.sublime-build”。

8、在桌面上新建文件夹“python_work”，打开Sublime Text，选择菜单File/Save as将空文件保存到新建文件夹中，即可在该文本编译器中进行编程操作。