《机器学习实战》笔记（一）：Ch1 - 机器学习基础

第一章 机器学习基础(代码)

• 熟悉Python即可。

• 开发机器学习应用程序步骤

  • 收集数据

    • 制作网络爬虫从网站上抽取数据、从 RSS 反馈或者 API 中得到数据、设备发送过来的实测数据等.

  • 准备输入数据

    • 必须确保数据格式符合要求.

  • 分析输入数据

    • 最简单的方法是用文本编辑器打开数据文件，查看得到的数据是否为空值.

    • 还可以进一步浏览数据，分析是否可以识别出模式.

    • 数据中是否存在明显的异常值.

    • 通过一维、二维、三维展示数据也是不错方法.

  • 训练算法

  • 测试算法

    • 对于监督学习，必须已知用于评估算法的目标变量值.

    • 对于无监督学习，也必须用其他的评测手段来检验算法的成功率.

    • 如果不满意算法的输出结果，可以回到第 4 步，改正并加以测试.

    • 问题常常会跟数据的收集和准备有关，这是必须调回到第 1 步重新开始.

  • 使用算法

    • 将机器学习算法转换成应用程序，执行实际任务，以检验以上步骤是否可以实际环境中正常工作。此时如果碰到新的数据问题，同样需要重复执行上述的步骤.

• 掌握numpy函数库基础

  >> from numpy import *

代码托管见Github

笔记目录