1---基本概念：
Machine Learning：A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
对于某给定任务T及合理的性能度量p,某计算机程序在T上以P衡量的性能随着经验E 自我完善。那么我们称这个计算机程序在从经验E学习。
简单的讲，机器学习就是让计算机程序利用已知数据，发现数学模型，然后再使用模型对未知数据进行预测的一门学科。
2----机器学习流程:
需求理解-》数据收集-》数据预处理-》特征工程-》数据建模
3----常见经典机器算法学习：（一句话概括）
监督学习：
（1）K-NearstNeighbor（K-近邻算法）
对于一个需要分类的物品A，找出与该物品最相似的k个有已知类别的物品，这k个物品中出现最多的类别即为物品A的类别。（“近朱者赤，近墨者黑”。）
（2）线性回归
评估变量之间关系的统计过程，即当自变量发生改变时因变量如何发生改变，评估的自变量与因变量之间是一种线性关系。
（3）逻辑回归
处理因变量为分类变量的回归问题，处理二分类或者多分类问题，实际为一种分类方法。
（4）支持向量机
对数据进行二分类，目标是寻找一个超平面对样本进行间隔最大化的分割。
（5）决策树
对样本数据进行树形分类，由节点和有向边组成。
（6）朴素贝叶斯
基于概率论的分类方法。“朴素”即做了样本的特征之间相互独立的假设。
非监督学习：
（1）K-Means（K-均值）
最基础常见的聚类算法，即由质心决定形成簇，反复计算直到质心不再变化或变化范围达到指定的阈值。
（聚类是在事先并不知道任何样本类别标签的情况下，通过数据之间的内在关系把样本划分为若干类别，使得同类别样本之间的相似度高，不同类别之间的样本相似度低。）
（2）PCA
利用降维的思想，把多指标转化为少数几个综合指标。
（3）Apriori
关联分析方法，先验算法。
如果某个项集是频繁项集，那么它所有的子集也是频繁的
4---jupyter notebook使用问题及解决：
（1）plt.show()没有出现图像而是输出<Figure size ... with 5 Axes>
解决办法：添加----%matplotlib inline
网友评论