Machine Learning2

ML note 1

机器学习的分类

学习斯坦福大学的吴恩达《机器学习1》

1. 监督学习：回归问题，分类问题（支持向量机）
2. 无监督学习：聚类问题（ICA算法）
3. 强化学习：直升机训练（回报函数）

PYTHON大数据分析准备：各个库的介绍（一句话）

1. numpy 数组运算
2. pandas 数组、电子表格,关系数据库
3. matplotlib 图表绘制
4. Ipython 增强的Python shell
5. Scipy 标准问题域包集合，积分/微分/矩阵，函数优化器，信号处理

运行环境：EPDFree(现在叫Canopy)安装包+pandas

梯度下降

梯度是一个向量；既有大小，也有方向。 梯度定义

几何意义

函数z=f(x,y)在点P0处的梯度方向是函数变化率(即方向导数)最大的方向（对角线）。梯度的方向就是函数f(x,y)在这点增长最快的方向，梯度的模为方向导数的最大值

线性回归

1. y = a0 + a1*x

对于房价欠拟合

1. y = a0 + a1x +a2x^2 对于房价拟合

最小二乘法 矩阵的迹 矩阵的偏导数

局部加权回归 （非参数学习算法）##

对某一值，选其附近的区域，局部拟合

Python 机器学习

简单例子：

需要的库：numpy, pandas, scikit-learn, matplotlib, seaborn

安装Anaconda可以解决。

参考：

1. 使用 Python 开始机器学习
2. An example machine learning notebook
3. Python数据可视化—seaborn简介和实例
4. 只需十四步：从零开始掌握 Python 机器学习（附资源）