目录
机器学习算法分类
监督学习
目标值：类别 - 分类问题 如：分类猫和狗
算法： K-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
目标值：连续型的数据 - 回归问题
算法：线性回归、岭回归
目标值： 无 - 无监督学习
辨别小练习：
1.预测明天的气温是多少度？回归
2.预测明天是阴、晴还是雨？分类
3.人脸年龄预测？ 回归（年龄几岁）/分类（老还是小）
4.人脸识别？分类
机器学习开发流程
1）获取数据
2）处理数据
3）特征工程（将数据处理成可以被算法使用的数据）
4）机器学习算法训练 - 模型
5）模型评估
6）应用
机器学习框架和资料介绍
牢记：
1）算法是核心，数据与计算是基础
2）找准定位
大部分复杂模型的算法设计都是算法工程师在做，而大多数人在做的是：
- 分析大量的数据
- 分析具体的业务
- 应用常见的算法
- 特征工程、调参数、优化
快速学习指导：
1）入门（听课入门）
2）多观看实战类书籍，自学解决工作中的问题
学会分析问题，使用机器学习算法的目的，想要算法完成何种任务，掌握算法基本思想，学会对问题用相应的算法解决，学会利用库或框架（如TensorFlow或pytorch）解决问题
3）进阶研究理论：理论权威书籍，如：机器学习（西瓜书） - 李志华，统计学习方法 - 李航，深度学习（花书）