最近在看机器学习的书籍，先时完成阅读了机器学习极简入门，然后再是机器学习实践，前面的sklearn还能慢慢看懂，在看到神经网络时实在是看不下去了，太难懂了！但是过了一遍，总的来说是有点感觉了。
和硬编程不一样，Machine Learning比较有意思的是实现算法只能无限逼近，在调优过程中可能很烦，但是一旦得到一个更优的解，就让人兴奋了。那么接下来再次学习笔者就准备开始案例学习实践了，这才有助于加深理解，最终的目的也就是解决问题。
现在就有个需求，样本只有正样本，需要输出是否属于正样本，二分类问题。这个问题笔者刚拿到时一点头绪都没有，因为只有一个正样本。在请教了后才知道有几个方法。一是用Kmeans，将数据分成是多个簇，然后使用待预测的样本和这多个簇中心，二者计算距离，使用一个阈值来比较；二是使用one-class之类的分类器（One-Class SVM，one-class network）。总的来说，one-class比较合适。另外一个就是将日志进行分类，提高运维的日志分析，或者使用日志来完成大数据分析，笔者目前目前想到kmeans（无监督）和分类算法，后者需要人工做大量的标签。
在接下来的日志里，笔者准备完成大量的学习，kaggle是个不错的平台。先量后质，最终解决问题，实现智能。
网友评论