读书笔记-《机器学习实战》

机器学习基础
一、机器学习概述
机器学习横跨计算机科学、工程技术和统计学等多个学科。可以在各个领域充分应用，解决很多问题。
机器学习就是把无序的数据转换成有用的信息。
大量的经济活动都依赖于信息，我们不能在海量的数据中迷失，机器学习将有助于我们穿越数据雾霭，从中抽取出有用的信息。

二、机器学习主要任务
机器学习主要用来解决分类、回归、聚类和密度估计问题
机器学习的分类
监督学习（supervised learning）：线性回归，逻辑回归，KNN，神经网络，决策树，集成学习，SVM，贝叶斯，协同过滤
无监督学习（unsupervised learning）：聚类、关联规则，降维算法
半监督学习（semi-supervised learning ）：半监督分类，半监督回归，半监督聚类，半监督降维
强化学习（reinforcement learning）：Model-Free RL，Model-Based RL等

三、开发机器学习应用程序的步骤
1、收集数据
2、准备输入数据（数据清洗）
3、分析输入数据
4、训练算法
5、测试算法
6、使用算法


四、Pyhton语言的优势
1、可执行伪代码(算法描述语言、结构清晰、代码简单、可读性好)
Python具有清晰的语法结构，，默认安装的Python环境已经附带了很多高级数据类型，如列表、元组、字典、集合、队列等，无需进一步编程就可以使用这些数据类型的操作。
2、Python比较流行
3、Python语言的特色
清晰简练、易于理解、丰富的函数库
4、Python语言的缺点
性能问题。Python程序运行的效率不如JAVA或者C代码高，但可通过调用或者模块化改进提升。