機器學習常見演算法：
k最近鄰演算法，線性模型，樸素貝葉斯，決策樹，隨機森林，svms，神經網路等
要注意關心如下問題：
要了解每種演算法的基本原理和用途，它的特性分別是什麼？在不同的資料集中表現如何，如何使用它們建模，模型的引數如何調整等
kaggle大賽，使用來自真實世界的資料磨鍊自己的技能
必要庫的介紹：
numpy: 基礎科學計算庫。功能包括高維陣列、線代計算，傅利葉變換以及生產偽隨機數等等。是scikit-learn的基礎
scipy: 強大的科學計算工具集，sk需要使用scipy裡面的sparse函式生成稀疏矩陣
pandas: 資料分析的利器
scikit-learn----非常流行的機器學習庫，建立在scipy基礎上
scikit-learn擁有眾多頂級機器學習演算法，主要有六大類：分類，回歸，聚類，資料降維，模型選擇和資料預處理
使用者社群需要經常逛一下！！
2018-10-16
21:26:03
k近鄰演算法
k的含義：最近鄰的個數。如下圖，k的選取值為1，3時候，對於紅o的的分類是不一樣的
在scikit_learn 中，k值是通過n_neighbors引數來調節的
機器學習學習筆記
2.機器學習書籍 機器學習tom,這個是老經典，就是翻譯欠佳 prml，這個書正版的超貴，但是比較新且系統，可以通過其他途徑搞個副本。3.自己動手編碼實現2 3種經典演算法，比如svm，lr，bpnn等。4.了解spark上目前支援的機器學習方法的用途和用法，這個在日常工作中會用到。知道的多一點，方...
機器學習 學習筆記
關於梯度下降演算法的優化與 會有三種方法優化梯度下降演算法 1.共軛梯度下降法 conjugate 2.變尺度法 bfgs 3.限制變尺度法 l bfgs 這些方法的好處是 1.不用選擇學習速率 2.收斂的速度快，執行效率高 但是她們的缺點在於 實現她們的方法太複雜，所以我們就可以使用語言的內建庫函...
機器學習 學習筆記
監督學習 我們的學習演算法使用的資料是給出正確答案的資料，然後我們執行學習演算法，出更多的正確答案。理解為像深度需學習類似，利用訓練樣本訓練處學習模型，然後用測試樣本對學習到的模型進行檢測，輸出 結果。無監督學習 可以理解為對於學習演算法所使用的資料集並沒有給出正確答案，學習演算法就是要對這資料集進...