机器学习Day05（上）

1. 迭代法

适合场景：

• 不能一次搞定的问题
• 分成很多步来逐步解决

KMeans 聚类算法

Linear / Logistic Regression 线性回归、逻辑回归

三个关键点：

• 1. 随机的开始（random, rough start）
  • 随机 = 普适
• 2. 逐步变好的策略（optimize）
  • step by step
  • 每天进步一天天
  • 相信累积，相信长期主义
• 3. 退出条件（stop）
  • 固定步数
  • 误差限制

KMeans 算法：

• 使用最多、最简单易用的聚类算法。
• clustering聚类
• 本质：无标签的分类
• 没有标签，只有特征
• 只根据特征来进行分类
• 原来没有类别，需要你根据业务需要将样本分成几类
• 思想：物以类聚，人以群分
  • 挨得近的看作一类，挨得远的看作另一类
• KMeans内涵：
  • K：代表分类