机器学习之总览全局

什么是机器学习

通过现有数据获取一些未知的联系，生成一个模型，然后在新数据来的时候，可以通过这个模型进行预测。

为什么要了解机器学习

在这个人人都在说编程，说python的时候，我们要思考的是背后有什么趋势，为何会这样？我自己想了一些儿原因。

• 信息的爆炸
• 计算机的算力提升
• 人的习惯有传递性，不会立刻改变
• 人是喜欢有规则的

机器学习可以做什么

主要是预测和辅助决策。

怎么去深入理解

个人理解，不要一开始就研究算法，你会自己把自己绕晕，然后也出不来。应结合实际案例，理解了机器学习的常规过程。然后再整理算法，在算法阶段，也不要太纠结具体的那个参数，先有全貌，再有枝叶。

大概的一个学习过程，

总纲

先来一个最简单的例子—-人人皆知的房价预测

从最小二乘法开始

推广到线性模型

线性回归

变形 Rige Lasso ElasticNet

计算距离/相似（欧氏距离、Jaccard相似、cos相似、person相似）

怎么确认模型过拟合/欠拟合

逻辑回归

sign函数 决定

贝叶斯,隐形马尔科夫链 HMM

SVM 支持向量机

聚类

降维

PCA

SVD

2*2情况，是否连续值；是否监督；

如何选择合适的算法进行工作：

sklearn-CN文档
分类