《机器学习实战》第一章机器学习基础笔记

作者：Peter Harrington
2013年

第一部分 分类

第一章 机器学习基础

本章内容

• 机器学习的简单概述
• 机器学习的主要任务
• 学习机器学习的原因
• python语言的优势

1.1 何谓机器学习

机器学习 ：把无序的数据转换为有用的信息
统计学和机器学习的关系：无法精确定义模型的时候，机器学习用统计学工具。

1.2 关键术语

特征或者属性或者特征 ：测量的类型
实例 ：测量的值
训练数据 ：训练用的样本
测试数据：测试用的样本

1.3 机器学习的主要任务

监督学习：知道预测什么
分类：划分类别

• k-近邻
• 朴素贝叶斯
• 支持向量机
• 决策树
  回归：预测数值
• 线性回归
• 局部加权线性回归
• Ridge回归
• Lasso最小回归系数估计

无监督学习：没有目标
聚类：分类

• k均值
• DBSCAN
  密度估计：预测数值
• 最大期望
• Rarzen窗设计

1.4 如何选择合适的算法

1.5 开发机器学习应用程序的步骤

1. 收集数据
2. 准备输入数据
3. 分析输入数据
4. 训练算法
5. 测试算法
6. 使用算法

1.6 python

1.7 NumPy函数库

from numpy import *

random.rand()

numpy矩阵和数组的区别 矩阵可以执行矩阵的运算函数，比如求逆矩阵I，
mat(）函数可以把数组转化为矩阵。