机器学习入门 快速版
本文地址： https://github.com/no7dw/MachineLearningTutorial
background
从数据量的角度，Machine Learning (ML) 是解决传统程序在数据量大，条件多的情况下，使用代码处理复杂场景已经力不从心的情况下的一种解决方案。
而Deep Learning 是进一步数据量爆炸的情况下，保证学习速度、效果的一种新的途径。
机器学习有多种算法类别
- 有监督
- 无监督
有监督，常见：
- KNN
- Logistic Regression
- Support Vector Machines
- Decission Tree
无监督，常见：
- Hierachical Clustering
- K-Means
- Hierachical Clustering
- DBSCAN
常见的算法都有包可以调用，但每种算法有pros and cons（对于精度、速度、边界值上），要根据常见去选择合适的算法。后续将逐渐总结这些算法的关键，优缺点、例子 在各个算法的子文件夹里面。
ML的基本流程以有监督学习，举个例子：
- 获取数据
- 分train set , test set
- 训练fit
- predit
- 检查准确率
简单总结就是：分、学、猜、再调整。