機器學習是根據(jù)不同事物的特征來推導它的分類或者預(yù)測它未來的值，
大類有分類和回歸，分類好理解就是把桃花和菊花分開，又分二分類和多分類?；貧w就是預(yù)測房價，股價這種，預(yù)測具體的值。
方法主要分為監(jiān)督學習、無監(jiān)督學習和半監(jiān)督學習。最大區(qū)別是訓練集（已知事物）是否有對應(yīng)的類別標簽。
監(jiān)督學習就是用已知的事物特征（feature）和類別（label）
，訓練一個模型，用于預(yù)測只有特征的事物是哪個類別。
特征可以理解為導致分類的一些影響因素，比如分類桃花和菊花，可能特征就是顏色，花瓣數(shù)量，開花時間等等。
無監(jiān)督學習是根據(jù)已知的事物特征進行聚類。
半監(jiān)督學習是部分有l(wèi)abel。
這是文檔給出的導圖
api
我使用的一般基本流程是：
1.收集數(shù)據(jù)，一般爬蟲就在這里用，包括特征（label，監(jiān)督學習），用pandas處理數(shù)據(jù)得到更多的特征，比如得到一些‘XX率’，得到原始的訓練集。
2.用sklearn.processing對數(shù)據(jù)預(yù)處理，normalize，主要針對的是feature數(shù)量級特別不一樣的情況，比如有10000和1.1，這種差別比較大的，就會出現(xiàn)特征對結(jié)果的"貢獻"不一樣。（主要是影響梯度下降的計算）
還有一種預(yù)處理是把文字類型數(shù)據(jù)改成類別類型，
3.選取多個模型，訓練模型，根據(jù)結(jié)果，得到學習曲線learning-curve，看是高偏差high bias還是高方差variance，調(diào)整原始數(shù)據(jù)，選擇加入更多的數(shù)據(jù)，還是調(diào)整參數(shù)。
4.用新數(shù)據(jù)訓練模型，選取效果好的，用 驗證曲線cross-validation curve輔助來調(diào)參。
5.用grid網(wǎng)格化搜索參數(shù)
寫在最后
我的數(shù)學水平大概在能知道求導，積分的概念，基本就是高中生水平，機器學習的確需要很高的數(shù)學基礎(chǔ)，但是只是運用的話，就不需要那么高的水平，我覺得了解各個模型的參數(shù)影響什么，能夠調(diào)參就行了。
機器學習我主要是看了吳恩達的教程和[機器學習實戰(zhàn)]（https://book.douban.com/subject/24703171/），統(tǒng)計方面看了白話統(tǒng)計
這三個我覺得算是非常通俗易懂，我是先看的機器學習實戰(zhàn)，感覺比較懵，全靠吳恩達的教程，超級友好，推導由淺入深，關(guān)鍵把什么時候用，怎么樣用，流程是怎樣的都說的很清楚，超級推薦。
這個文集僅僅用于記錄我的學習心得。
