基础

<ML实战>

开发机器学习应用程序的步骤

1、收集数据。exp：网络爬虫 从RSS反馈或API中得到信息 设备数据 公开数据
2、准备输入数据。
3、分析输入数据。
4、训练算法
5、测试算法
6、使用算法。转化为应用程序

何为机器学习

1、分类
决定使用某个机器算法进行分类后，首先要做的是算法训练，即学习如何分类。
通常我们为算法输入大量已分类数据作为训练样本的训练集
为了测试算法的效果，通常使用两套独立的样本集：
训练数据和测试数据
当鸟类分类程序经测试满足进度要求工作称之为知识表示。知识表示可以采用规则集的形式，也可以采用概率分布的形式。
2、回归
预测数值型数据-数据拟合曲线
分类和回归属于监督学习，因为算法必须知道预测什么。
与之相对的无监督学习，此类数据没有类别信息，也不会给定目标值。在无监督学习中，将数据集合分成类似对象组成的多个类称之为聚类；将寻找描述数据统计值的过程称之为密度估计。
3、如何选择合适的算法

如果目标变量是离散型，如是/否，红黄黑，则可以选择分类器算法；如果目标是连续型的数值0.0~100.0等，则需要选择回归算法。

4、NumPy数据库
from numpy import *