Udacity ML 随笔 *

开始时间：2018.3.30

部分1 欢迎学习机器学习 2018.3.30

机器学习简介、配置Anaconda、配置Jupyter notebook、项目0泰坦尼克号生还者分析

什么是机器学习

决策树、朴素贝叶斯、梯度下降、线性回归、对数几率回归、支持向量机、核函数、神经网络、K均值聚类、层次聚类

部分2 机器学习基础 2018.4.1

模型评估和验证简介、数据的中心、数据的差异性、监督学习简介、朴素贝叶斯上手、贝叶斯规则

数据的中心、差异性

均值、众数、中位数、值域、IQR、方差、标准偏差、样本标准偏差、贝塞尔校正

• 异常值：
  IQR = Q3 - Q1
  Outlier < Q1 - 1.5 (IQR)
  Outlier > Q3 - 1.5 (IQR)
• 贝塞尔校正
  针对样本标准偏差，除以（n-1），偏差增大，以符合实际情况

朴素贝叶斯

• scikit-learn
• GaussianNB

支持向量机

• 间隔：分隔距离最近点的距离
• 先考虑分类正确，再考虑间隔最大化