机器学习实战（Part1_lecture1）机器学习基础

Part 1 分类

Lecture 1 机器学习基础

目录

机器学习再述

机器学习的真正含义是彰显数据背后的真实意义（简单来说，就是把无序的数据转换成有用的信息）

用到了很多统计学的知识

移动计算和传感器产生的海量数据，非常有用

一切物质的属性（数据）称之为特征

机器学习的主要任务是：分类、回归（有监督的学习）

无监督的学习（聚类）

机器学习开发的步骤

1 收集数据（制作网络爬虫从网站上抽取数据、公开数据集）
2 准备输入数据（数据格式，如python list）
3 分析输入数据（人工、自动：确保没有垃圾数据）
4 训练算法
5 测试算法（评估）
6 使用算法（转换为应用程序，执行实际任务）

python

处理和操作文本文件非常简单
访问web页面的函数库，从HTML提取数据

科学函数库SciPy、NumPy使用底层语言（C和Fortran）编写，提高计算性能、运行效率

所有人在小学三年级就已经学会了写作，然而大多数人必须从事其他更重要的工作

编写代码如同写作，是完成其他任务的工具

NumPy

numpy函数库存在两种不同的数据类型：矩阵matrix、数据array

使用mat()函数可以将数组转换为矩阵：

机器学习是数据驱动产业必备的基本技能