机器学习实战——1.机器学习基础

1.1何为机器学习
机器学习就是将无序的数据转换成有用的信息。
机器学习横跨计算机科学、工程技术和统计学等多个学科，需要多学科的专业知识。
1.2关键术语

1.3机器学习的主要任务

无监督学习的数据没有类别信息，也不会给定目标值。在无监督学习中，将数据集合分成有类似的对象组成的多个类的过程被称为聚类；将寻找描述数据统计值的过程称之为密度估计。此外，无监督学习还可以减少数据特征的维度，以便我们可以使用二维或三维图形更加直观地展示数据信息。

1.4如何选择合适的算法
选择实际可用的算法，必须考虑以下两个问题：一、使用机器学习算法的目的，想要算法完成何种任务，比如是预测明天下雨的概率还是对投票者按照兴趣分组；二、需要分析或收集的数据是什么。
首先考虑使用机器学习算法的目的。如果想要预测目标变量的值，则可以选择监督学习算法，否则可以选择无监督学习算法。确定选择监督学习算法之后，需要进一步确定目标变量的类型，如果目标变量是离散的，则可以选择分类器算法；如果目标变量是连续型数值，则可以选择回归算法。
如果不想预测目标变量的值，则可以选择无监督学习算法。进一步分析是否需要将数据划分为离散的组。如果这是唯一的需求，则使用聚类算法；如果还需要估计数据与每个分组的相似程度，则需要使用密度估计算法。
其次需要考虑的是数据问题。主要了解数据的一下特征：特征值是离散的还是连续型变量，特征值是否存在缺失的值，各种原因造成缺失值，数据中是否存在异常值，某个特征发生的概率如何等等。充分了解数据特性可以缩短选择机器学习算法的时间。
1.5开发机器学习应用程序的步骤

1.6python语言的优势

1. python的语法清晰
2. 易于操作纯文本文件
3. 使用广泛，存在大量的开发文档

1.7numpy函数库基础
机器学习算法涉及很多线性代数知识，在使用python构造机器学习应用时，会经常使用numpy函数库。
numpy矩阵与数组的区别：
numpy函数库中存在两种不同的数据类型（矩阵matrix和数组array），都可以用于处理行列表示的数字元素。虽然它们看起来很相似，但是在这两个数据类型上执行相同的数学运算可能得到不同的结果，其中numpy函数库中的matrix与MATLAB中的matrices等价。
调用mat（）函数可以将数组转化为矩阵：randMat=mat(random.rand(4,4))
randMat.I:实现矩阵求逆的运算