《机器学习实战》笔记（0） 第一章

1.1

1. 机器学习就是把无序的数据转换成有用的信息。
2. 分类和回归数据监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息。
3. 与监督学习相对应的是无监督学习，此时数据没有类别信息，也不会给定目标值。在无监督学习中，将数据集合分成有类似的对象组成的多个类的过程叫做聚类， 将寻找描述数据统计值的过程叫做密度估计。
4. 如果想要预测目标变量的值，选择监督学习算法，否则选择无监督学习算法。
5. 确定选择监督学习算法后，需要进一步确定目标变量类型，如果是离散型（是否、1/2/3、红绿蓝）等则可以选择分类算法。如果目标变量的值是连续型数值，则使用回归算法。
6. 如果选择了无监督学习，进一步分析是否需要将数据划分为离散的组。如果这是唯一的需求，则使用聚类算法；如果还需要估计数据和每个分组的相似程度，则使用密度估计算法。
7. 步骤：
   • 收集数据
   • 准备输入数据
   • 分析输入数据
   • 训练算法（无监督不需要）
   • 测试算法
   • 使用算法