项目实践中对机器学习有一些零碎的接触，通过西瓜书的学习 构建和梳理知识体系，不错的一个办法。
西瓜书写的比较深入浅出，建议机器学习者入门了解。
下面是部分章节的笔记：
ch2 模型选择和评价
阅读建议：对模型性能评价的各项指标有了了解，但是灵活运用还是比较难，建议掌握基本概念，各种算法和模型学好 有一定实操基础后再回来看。
ch3 线性模型
* 线性模型的定义和表示
f(x)=(w1,w2,...,wd)*(x1,x2,..,xd) + b
* 线性回归及参数求解
f(x) y 之间均方差最小情况求得参数 w & b
欧几里得距离最小，也叫最小二乘法进行参数估计
建模： 模型+算法+采样训练
线性回归模型 + 最小二乘法 + 采样
* 对数几率回归 逻辑回归
线性回归进行Y的预测， 逻辑回归进行Y的分类（通过对数函数保证 预测值落在固定的区间）
此处有N多公式看的比较晕，高阶可导连续凸函数。。。blabla
参数计算： 梯度下降法
建模： 逻辑回归模型 + 梯度下降算法 + 采样
* 线性判别分析 线性判别分类
linear discrimination analysis LDA
参数计算： 类内散度矩阵 广义瑞利商 全局散度矩阵等
模型： 线性判别分类LDA + 算法 + 采样逻辑
* 多分类学习
两个策略： 部分 二分类方法可以直接推广到多分类； 多个二分类学习器解决多分类问题
多个分类器的集成策略： 一对一、一对其余、多对多
最优效果/最优参数计算方法： 编码矩阵ECOC
* 样本不均衡问题
不均衡样本问题： 欺诈和异常检测等情况，正反例的不均衡
三个解决办法：
1. 欠采样： 反例欠采样，使得正反例样本均衡； 代表算法 EasyEnsemble学习器 反例采样+正例，多次学习，尽量不丢失样本数据
2. 过采样： 衍生增加一些正例； 算法 SMOTE进行正例插值产生衍生正例
3. 阈值移动：通常的0.5阈值变为真实无偏差采样阈值（往往经验值）
* 衍生：多元稀疏问题、多标记学习
本章阅读建议： 有基础的不论，我看了两遍基本概念get了，公式和算法之类的基本了解了。
ch4 决策树
* 决策树的定义和表示
树 天然解决分类问题的好办法，最符合人的思维（麦肯锡思维中 问题树、是否树、决策树）
决策树是一个递归进行树构建的过程，目的实现对样例的归纳，实现在测试样例上的泛化能力。
* 数的划分算法
三种划分方法：
1. ID3
2. C4.5
3. CART
划分的依据：信息增益，各种公式 blabla
* 过拟合与剪枝
决策树的归纳过程，贪心算法，容易造成过拟合，需要进行剪枝，剪枝分位预剪枝、后剪枝
方法：用验证集，对树按照分类性能（信息增益）进行控制（控制树的成长）
* 数据处理
1. 连续变量的处理，通常使用二分法（又是信息增益）进行连续属性的离散化处理
2. 缺失值处理，不同的算法处理办法不同，也是产生算法差异的地方
* 多变量决策树
看的比较晕，第二遍再了解
建模： 决策树模型 + 算法（id3 c4.5 cart） + 样本处理技术（combined with 算法）
* 应用
决策树是分类模型
1. 决策树的 isolation forest 进行离群点探测
2. 决策树的组合学习方法： 树变森林
本章没有涉及，应该在后续章节中深入
ch5 神经网络
先暂停下，把线性模型、决策树 捋一捋