首页 > 代码库 > 机器学习——初识及实践选择

机器学习——初识及实践选择

作为机器学习基础学习的开篇,记录一下自己对于机器学习基础的认识和实践选择。

参考书目:

机器学习实战

这里也给出电子版本的中英文pdf文件和code:here(azkx)   我不会告诉你Ctrl+A会有其它发现~

1、基础


 对于机器学习的相关方法,最直观的认识是可以将其分为有监督和无监督两大类,可以使用思维导图来直观表示:

技术分享

 (使用MindNode来绘制的思维导图,源文件在这里)

其实在实际使用中,分类的方法和回归的方法的分界并不明显,有时还会结合起来使用的。

 

具体的开发步骤大致有这些过程:

  ①、收集获取数据

  ②、准备输入数据

  ③、分析预处理输入数据

  ④、训练算法-->无监督算法无需训练过程,核心内容集中在⑤

  ⑤、测试算法

  ⑥、使用算法

 

 

2、实践


 目前机器学习的很多实践都是在Python上实现的,所以选择Python是理所当然的。

 

 可能会使用到的Python第三方库有:

 Numpy、Scipy、Matplotlib、Pandas、StatsModels、Scikit-Learn、Keras、Gensim等。

 

机器学习——初识及实践选择