机器学习入门 笔记(一) 机器学习准备

1、什么是机器学习？

机器学习简单的来说，就是让机器去学习。提供机器大量数据，通过学习算法让去学习数据之间的关系。区别于传统的经典算法，通常是人们设计算法，让机器去执行。比如一千个数的排序，人们设计好排序算法，让计算机去执行就好。
机器学习的过程，可以类比人类学习的过程。人类的学习过程属于经验学习，人们了解一定的样本资料，通过学习、归纳、整理与总结，获得知识、经验，当遇到类似任务时，可以根据知识和经验做出反应。机器学习，类似的，需要输入给机器大量的学习资料，通过调用机器学习算法，得出相应的模型，当遇到类似的输入样例，机器根据模型输出较合理的结果。
目前，我们生活中已经大量的运用了机器学习：判断信用卡的发放是否有风险？使用Google搜索时根据你输入的部分关键字，自动补全判断你真正想要搜索的类容；浏览商品时，你最有可能购买的商品？只能手机上的语音识别、相机的人脸识别等等。

2、课程涵盖的内容和理念

人工智能的范围较大，机器学习被包含于其中，占重要的部分，机器学习又包含深度学习。我的笔记将会成体系的介绍机器学习的一些最基础的算法（学懂了的话）。主要包括：KNN、线性回归、多项式回归、逻辑回归、模型正则化、PCA、SVM、决策树、随机森林、集成学习、模型选择、模型调试。学习过程包括：对算法原理的学习、部分算法底层的编写、scikit-learn机器学习库的使用。

3、主要使用的技术栈

语言：Python 3
框架：scikit-learn
其他：numpy、matplotlip。。。
IDE：Jupyter Notebook
编程语言默认已经学过python，编程时调用的数据集在scikit-learn中下载内置的数据集，运行环境使用在线编程的Jupyter Notebook。这些只需要下载ANACONDA，就可以自行使用了。ANACONDA下载地址：推荐下载3.7版本 ，也会使用Pycharm运行，Pycharm下载社区版免费，下载地址：社区版免费，安装教程可以参考：教程
数学：
1、基本高中数学水平
2、本科高等数学、线性代数、概率论 及格水平

备注：

本课程专注于机器学习的算法学习，关注于监督学习。

本课程笔记，记录学习慕课网liuyubobobo老师的机器学习视频。

下一篇：机器学习基础概念