机器学习----基础概念的理解

1 机器学习含义：通过计算机来分析数据的规律并利用其处理数据

2 机器学习：分为有监督和无监督

有监督：有训练数据，已知目标变量（明确知道目标）分为：分类和回归

无监督：有训练数据，目标变量未知（在学习过程中探索目标）分为：聚类，密度估计

3 目标变量：标称型：分类中应用

                     连续型： 回归中应用

4 样本集：训练数据和测试数据，相互独立

5 各类算法的用途：

    监督学习：          分类器            k-近邻              朴素贝叶斯    

无监督学习：           k-均值            DBSCAN    

         

6 选择算法：1 目的任务  2 数据：离散、连续、缺失、异常、频率

                     预测目标变量的值--有监督否则无监督     

                     有监督：目标变量离散--分类，否则--回归

                     无监督：数据是否要划分离散组，是且唯一：聚类，如果还要估计数据与分组的相似程度，则密度估计

7  机器学习步骤：

    1）收集数据  2）调整数据 3）分析数据 4）训练算法 5）测试算法6）使用算法

    （无监督学习4和5步骤合并）

小白入门书籍： 机器学习实战--peter harrington