机器学习实战笔记（一）概述

本系列文章是学习《机器学习实战》一书的笔记，目的是加深理解和记忆，也为备查。本篇是第一篇，后续看完一章写一篇

机器学习应用场景：

人脸识别（图像识别？）

手写识别

垃圾邮件过滤

智能推荐

补充:

语音识别

自然语言处理

术语：

特征：数据样本的测量，或者属性。每一条数据都是一个相关特征的实例

目标变量：机器学习算法预测的结果。在训练集和测试集中目标变量不是预测出来的，是人工分配的。

训练集：用来进行算法训练的样本集。

测试集：用来测试算法准确度样本集。

知识表示：我的理解是在机器学习，通过训练集学习完成模型的过程。也就是将知识用模型的方式表现出来。是否是这样呢？

机器学习类别：

监督学习：分类、回归

无监督学习：（聚类。。。。。）

机器学习步骤：

1.准备数据

2.输入数据

3.分析数据（特征提取）

4.训练算法（前面隐含了一步算法实现）

5.测试算法（测量准确率）

6.使用算法