《机器学习》1.基础知识

机器学习 组成

主要任务

分类：将数据划分类别。
回归：主要用于预测。
分类和回归属于监督学习。
无监督学习：聚类，密度估计，降维。

训练的概念

监督与无监督算法的汇总

算法开发流程

• 收集数据: 收集样本数据
• 准备数据: 注意数据的格式
• 分析数据: 为了确保数据集中没有垃圾数据；
  如果是算法可以处理的数据格式或可信任的数据源，则可以跳过该步骤；
  另外该步骤需要人工干预，会降低自动化系统的价值。
• 训练算法: [机器学习算法核心]如果使用无监督学习算法，由于不存在目标变量值，则可以跳过该步骤
• 测试算法: [机器学习算法核心]评估算法效果

• 使用算法: 将机器学习算法转为应用程序

  
  

NumPy库

NumPy库存在两种不同的数据结构(矩阵Matrix和数组Array)
random.rand(4,4)表示生成4X4随机数组。
mat()函数将数组转化为矩阵。
.I表示求逆

from numpy import *
random.rand(4,4)
randMat =mat (random.rand(4,4))
randMat.I

[参考链接] (http://ml.apachecn.org/mlia）