过去的2016年，发生的一件大事是阿尔法狗战胜李世石，这一事件进一步的将人工智能，机器学习带入到人们的视野中。 机器学习这么火，我也想学一下。废话不多说，本人买了一本《机器学习实战》书，豆瓣连接: https://book.douban.com/subject/24703171/ ,计划在2017年好好研究一番。

   看完了第一章做了笔记，

何谓机器学习？

 多学科

  计算机科学

  工程技术

  统计学

 简单的说，机器学习是把无序的数据转换为有用的的信息

 对于某类任务 T 和性能度量 P， 如果一个计算机程序在 T 上以 P 衡量的 性能随着经验 E 而自我完善，那么我们称这个计算机程序在从经验 E 学习。

机器学习的分类及算法

 监督学习

  分类

   k-近邻

   朴素贝叶斯

   SVM

   决策树

  回归

   线性回归

   局部加权线性回归

   Ridge回归

   Lasso最小回归系数估计

 无监督学习

  聚类

   k-means

   DBSCAN

  密度估计

   最大期望算法

   Parzen窗设计

关键术语

 专家系统

 特征（属性）

 分类

 训练集、训练样本

 目标变量

  机器学习算法的预测结果

  类别（分类问题中的目标变量）

 测试集

 知识表示

  表示

   规则集

   概率分布

如何选择合适的算法

 考虑

  目的

   预测目标变量的值

    监督学习

     离散：分类

     连续：回归

   否则

    无监督学习

     离散：聚类

     还需估计数据与每个分组的相似程度：密度估计

  数据

   特征值

    离散/连续

    是否存在缺失的值，为何

    是否存在异常值，频率

开发机器学习应用程序的步骤

 收集数据

 准备输入数据

  数据格式

 分析输入数据

  检查

   空值

   异常值

  分析是否可以识别出模式

 训练算法

  无监督算法不需要

 测试算法

  监督算法

   评估算法的目标变量值

  无监督算法

   其他评测手段检验算法成功率

 使用算法

Python语言的优势

 优势

  语法清晰

   可执行伪代码

  易于操作纯文本文件

  使用广泛，开发文档多

   模块

    SciPy和NumPy

    Matplotlib

    Pylab

 缺点

  性能

   C++ Boost库

   Cython和PyPy

NumPy函数库基础

 命令

  random.rand(4, 4)

   生成4×4随机数组

  mat()

   数组转化为矩阵

  .I

   求逆

  *

   矩阵乘法

  eye()

   单位阵

 NumPy中矩阵与数组的区别

  可能结果不同

  matrix与matlab的matrices等价

机器学习基础.rar

另外说下win7 64bit Python+Numpy+Scipy+Matplotlib 安装方法：

1）先安装Python，默认安装路径

python-2.7.9.amd64.rar

2）再安装Numpy，NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

numpy-MKL-1.8.0.win-amd64-py2.7.rar

3）之后就可以使用了Numpy了

>>> from numpy import *   

上述命令将NumPy函数库中的所有模块引入到当前的命名空间

>>> random.rand(4,4)

上述命令构造了一个4*4的随机数组

array([[ 0.15693841,  0.37749084,  0.19183268,  0.7386663 ],

       [ 0.18912912,  0.92643707,  0.51435051,  0.42902081],

       [ 0.74647494,  0.25516188,  0.10116776,  0.75080336],

       [ 0.33784065,  0.78023326,  0.26876447,  0.94276886]])

关于Numpy中数组和矩阵的区别，可以参考：

http://blog.csdn.net/vincentlipan/article/details/20717163

http://stackoverflow.com/questions/4151128/what-are-the-differences-between-numpy-arrays-and-matrices-which-one-should-i-u

4）Scipy 安装包如下，

SciPy是一个开源的Python算法库和数学工具包。

SciPy包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

scipy_0.14.0.win_amd64_py2.7.rar

5）matplotlib 安装包如下，matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。

matplotlib-1.2.0.win32&win64-py2.7.zip

另外本书的源代码如下：

machinelearninginaction code.7z

参考:

1)https://zh.wikipedia.org/wiki/NumPy

2)http://m.blog.csdn.net/article/details?id=52202561

3)http://www.pythoner.com/238.html

4)https://www.zhihu.com/question/22094277

5)https://www.zhihu.com/question/19767007

6)http://book.51cto.com/art/201401/426520.htm

7)http://blog.csdn.net/luo123n/article/details/10027557

8)http://www.cnblogs.com/eastmount/p/5052871.html