【机器学习】机器学习实战-绪论

机器学习

把无序的数据转换成有用的信息。e.g. 人脸识别、手写数字识别、垃圾邮件过滤、产品推荐

监督学习

只需给定输入样本集，机器就可以从中推演出指定目标变量的可能结果。算法必须知道预测什么，即目标变量的分类信息。

• 分类：主要预测标称型数据，即目标变量的结果只在有限目标集中取值。
• 回归：主要预测数值型数据，即目标变量可以从无限的数值集合中取值。

关键术语

• 特征（属性）
• 训练集
• 目标变量：机器学习算法的预测结果
• 测试数据：应是随机选择的

开发步骤

1. 收集数据—爬虫、实测、数据源等
2. 准备数据—数据格式处理
3. 分析数据—确保没有垃圾数据
4. 训练算法—无监督学习跳过此步
5. 测试算法
6. 使用算法

Q&A

如何弥补Python的性能问题？

使用Python调用C编译的代码。如果程序是按照模式化原则组织的，先构造可运行的Python程序，然后再逐步使用C代码替换核心代码。—可用C++Boost库或其他类似于Cython和PyPy的工具