目錄
機器學習算法分類
監督學習
目標值：類別 - 分類問題 如：分類貓和狗
算法： K-近鄰算法、貝葉斯分類、決策樹與隨機森林、邏輯迴歸
目標值：連續型的數據 - 迴歸問題
算法：線性迴歸、嶺迴歸
目標值： 無 - 無監督學習
辨別小練習：
1.預測明天的氣溫是多少度？迴歸
2.預測明天是陰、晴還是雨？分類
3.人臉年齡預測？ 迴歸（年齡幾歲）/分類（老還是小）
4.人臉識別？分類
機器學習開發流程
1）獲取數據
2）處理數據
3）特徵工程（將數據處理成可以被算法使用的數據）
4）機器學習算法訓練 - 模型
5）模型評估
6）應用
機器學習框架和資料介紹
牢記：
1）算法是核心，數據與計算是基礎
2）找準定位
大部分複雜模型的算法設計都是算法工程師在做，而大多數人在做的是：
- 分析大量的數據
- 分析具體的業務
- 應用常見的算法
- 特徵工程、調參數、優化
快速學習指導：
1）入門（聽課入門）
2）多觀看實戰類書籍，自學解決工作中的問題
學會分析問題，使用機器學習算法的目的，想要算法完成何種任務，掌握算法基本思想，學會對問題用相應的算法解決，學會利用庫或框架（如TensorFlow或pytorch）解決問題
3）進階研究理論：理論權威書籍，如：機器學習（西瓜書） - 李志華，統計學習方法 - 李航，深度學習（花書）