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：

 (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