1.python基础的准备
本课程拟采用Python做为机器算法应用的实现语言，所以请确保:
1）安装好Python开发环境， PyCharm 或 Anaconda等都可以，按个人习惯喜好。
2）基本库的安装，如numpy、pandas、scipy、matplotlib
3）具备一定的Python编程技能，如果不熟悉，可选择一个教程进行学习，Python简单好上手，资源也很丰富。
菜鸟教程 Python 3 教程 http://www.runoob.com/python3/python3-tutorial.html
廖雪峰的官方网站 Python3 https://www.liaoxuefeng.com/wiki/1016959663602400
学习视频
2.本周视频学习内容：https://www.bilibili.com/video/BV1Tb411H7uC?p=1
1）P4 Python基础
2）P1 机器学习概论
机器学习是一门多领域交叉学科，涉及较多的数学知识，我们不做太多理论上的要求，如果有听不懂的地方，不要放弃，看一遍就有个印象。通过观看视频，大家对课程有个总体的认识。
建议大家边看边做笔记，记录要点及所在时间点，以便有必要的时候回看。学习笔记也是作业的一部分。
3.作业要求
1）贴上Python环境及pip list截图，了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。
python版本：
pycharm的pip list 中有很多的包，如：matplotlib、numpy、pandas、scipy
2）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。
有监督学习：构建对应关系标签-样本
上图例子函数：
记录的图片太多就不全部贴上去了。
3）什么是机器学习，有哪些分类？结合案例，写出你的理解。
答：机器学习是一门多领域交叉学科，由于它研究的内容是计算机怎样模拟或实现人类的学习行为取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，所以他涉及了概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。其中机器学习通常分4类：监督学习、半监督学习、无监督学习、强化学习。
监督学习：
给出特征和标签让机器学习两者之间的联系，在单独给出特征没有标签的数据时，可以判断出标签。例如：下雨天不打球、阴天打球、晴天打球，当给出阴天的时候，可以得出打球的结论。
半监督学习：
有大量的数据，有些样本有标签，剩下样本无标签，利用有标签的样本构建模型，从而达到把标签传递给无标签数据。例如：填写售后反馈，只有一部分的用户填写了好坏，通过这一部分数据训练从而使得剩下大部分数据又好坏的标签。
无监督学习：
只有标签，但是标签并没有标记到具体样本，要通过聚类来得到模型。例如：小孩子面前有一大堆的三角形、四角形、五角形等，就告诉他们里面有三角形、四角形、五角形等，通过小朋友自己把相同的形状堆在一起后再让小朋友给他们下一个标签。
强化学习：
就是鼓励与惩戒的信号。例如：小朋友写作业，做对了就奖励一颗糖，做错了就奖励一个大嘴巴子。