最近由於專案要求，從零開始自學機器學習，使用語言是python2.7。
機器學習分類：監督學習，無監督學習，強化學習
監督學習：對事物未知表現的**，包括分類問題和回歸問題。
（1）分類：指給乙個新的模式，根據訓練模型推斷它所對應的類別是多少，是一種定性輸出，也叫離散變數**。
（2）回歸：指給乙個新的模式，根據訓練模型推斷他的對應的輸出值是多少，是一種定量輸出，也叫連續變數**。
舉例：**明天是陰、晴還是雨，就是乙個分類任務；**明天的氣溫是多少度，這是乙個回歸任務。
常用分類模型有：線性分類器，支援向量機，樸素貝葉斯，k近鄰，整合模型。
常用回歸模型有：線性回歸器，支援向量機（回歸），k近鄰（回歸），整合模型（回歸）
無監督學習：對事物本身特性的分析，與監督學習不同，不需要對資料進行標記，無監督學習常用技術包括資料降維與資料聚類等。
（1）資料聚類：按照某個特定標準把乙個資料集分割成不同的類或簇，使得同乙個簇內的資料物件的相似性盡可能大，同時不在同乙個簇中的資料物件的差異性也盡可能地大。
（2）資料降維：直觀地好處是維度降低了，便於計算和視覺化，其更深層次的意義在於有效資訊的提取綜合及無用資訊的擯棄。
舉例：乙個聚類分析的例項通過大量移動裝置使用者的位置資訊，為某連鎖餐飲機構提供新店選址。再如在做人臉識別的時候，首要的就是將人臉影象，從高維到低維投影是資料視覺化，可分析。
常用聚類模型有：k均值演算法，層次聚類，基於密度的聚類等。
常用降維模型有：pca，isomap，lle等。
強化學習：大名鼎鼎的alphago就是強化學習的乙個成功案例。強化學習的本質是解決decision ****** 問題，即自動進行決策，並且可以做連續決策。
機器學習入門1
一，引言 1，機器學習定義 乙個程式被認為能夠從經驗e中學習從而解決任務t，達到效能度量值p，當且僅當有了e後經過p評判，程式在處理t時有所提公升。2，監督學習 給定資料集中每個樣本的正確結果，擬合資料，推測出乙個連續值得結果。監督學習的兩種問題 回歸 推測出連續值 分類 推測出離散值 3，非監督學...
機器學習入門1
機器學習是人工智慧的乙個實現途徑 深度學習是機器學習的乙個方法發展而來 1.1.2 機器學習 深度學習能做些什麼 傳統 影象識別 自然語言處理 1.2 什麼是機器學習 資料模型 從歷史資料當中獲得規律？這些歷史資料是怎麼的格式？1.2.3 資料集構成 特徵值 目標值 1.3 機器學習演算法分類 監督...
機器學習入門 1 機器學習的通俗介紹
什麼是機器學習？此處給出了機器學習的兩個定義。亞瑟 塞繆爾 arthur samuel 將其描述為 機器學習賦予計算機無需明確程式設計就能學習的能力。這是乙個古老的 非正式的定義。tom mitchell給出了乙個更現代的定義 乙個電腦程式被認為是從經驗e中學習關於某類任務t和效能度量p的經驗，如果...