《实用机器学习》读书笔记

书籍和课程

• 《机器人》
• 《模式识别》
• SVM
• Hadoop/Spark/Tensorflow

摘录

经典问题：回归，分类，推荐，排序
研究方法：理论来源，R
研究目的：从数据中学习出有效的模型，进而能对未来做预测。
必须面对：数据预处理，分布式：Hadooop Mahout、Spark MLLib
过程步骤：原始数据搜集>>建立模型解决问题>>算法性能评估
大数据：狭义的大数据，使用机器学习来分析大数据。广义的大数据，数据的搜集，整理，存储，共享，分析和可视化。
交叉学科：模式识别，人工智能，统计学，数据挖掘；数值优化。

机器学习：监督学习：预测y； 非监督学习：存在模式；
集成学习：综合多个模型

实际例子

病人住院时间预测：根据病人的历史记录预测病人在未来一年的住院时间
信用分数：从过去的还款记录中自适应学习出相应的模型
电影推荐：历史观看信息
酒店推荐

R语言

缩写名词

ICDM：国际数据挖掘大会