机器学习简介

Posted 2020-09-28 霏霏暮雨

1. 算法及解决问题介绍

算法选择：

    如果想要预测目标变量的值，则可以选择监督学习算法， 否则可以选择无监督学习算法。确定选择监督学习算法之后，需要进一步确定目标变量类型，如 果目标变量是离散型，如是/否、1/2/3、A/B/C或者红/黄/黑等，则可以选择分类器算法;如果目 标变量是连续型的数值，如0.0~100.00、999~999或者+∞~∞等，则需要选择回归算法。

    如果不想预测目标变量的值，则可以选择无监督学习算法。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与每个分组的相似程 度，则需要使用密度估计算法。

2. 开发机器学习程序的基本步骤：

　　1）收集数据。

　　2）准备输入数据。保证格式相符。

　　3）分析输入数据。保证数据有效性。

　　4）训练算法。

3. 开发环境

　　1）python

　　2）Numpy函数库