机器学习是人工智能中不可或缺的一部分，这篇随笔将记录这段时间学习机器学习的几点感悟，希望对以后的学习有所帮助。参考了以下几本书：
- 《机器学习》-周志华
- 《机器学习实践》-Peter Harrington
在这里我也发现了一篇很不错的文章《从机器学习谈起》，生动有趣，可以加深大家对机器学习的认识。
第一章 机器学习基础
1.什么是机器学习？
机器学习就是把无序的数据转换成有用的信息。
机器学习方法是计算机利用已有的数据(经验)，得出了某种模型，并利用此模型预测未来的一种方法。
一般来说，数据越多，最后机器学习生成的模型预测的效果越好。
机器学习的过程与人类对历史经验归纳的过程做个比对，如下图：
2.关键术语
特征：下图测量的四个属性为特征，也可以成为属性。它们通常是训练样本集的列，他们是独立测量得到的结果，逗哥特征联系在一起共同组成一个训练样本。
分类：机器学习的主要任务。这部分工作可以看成：知识表示。
算法训练：学习如何分类。通常为算法输入大量已分类数据作为算法的训练集。
通常建立两套独立的样本集：训练数据和测试数据。
3.机器学习的主要任务
（1）监督学习（知道预测什么）：
- 分类（将数据分到合适的分类）
- 回归 （用于测试数值型数据）eg：数据拟合曲线
（2）无监督学习（没有类别信息，也不会给定目标值）：
- 聚类
- 密度估计（寻找描述数据统计值的过程）
4.如何选择合适的算法
需要考虑两个问题：
（1）使用机器学习算法的目的
（2）需要分析或收集的数据是什么
5.开发机器学习应用程序的顺序
- 收集数据（网络爬虫、传感器等）
- 准备输入数据（数据格式可以使用Python的List、字符串、整数类型）
- 分析输入数据
- 训练算法（使用监督或无监督算法）
- 测试算法（使用上一步学习得到的知识信息，评估算法）
- 使用算法（转换为应用程序）
6.Python语言特点
优点：
- 可执行伪代码
- 流行
- 清晰简练、易于理解
缺点：
- 运行效率较低
来源：https://www.cnblogs.com/hanxuanfei/p/6797093.html