虚幻私塾

前言前期回顾： Python机器学习基础篇二《为什么用Python进行机器学习》上面这篇里面写了文本和序列相关。我们要讨论的第二种机器学习算法是无监督学习算法。无监督学习包括没有已知输出、没 有老师指导学习算法的各种机器学习。在无监督学习中，学习算法只有输入数据，并需要 从这些数据中提取知识。3.1　无监督学习的类型本章将研究两种类型的无监督学习：数据集变换与聚类。数据集的无监督变换（unsupervised transformation）是创建数据新的表示的算法，与数据的 原始表示相比，新的表

前言前期回顾： Python机器学习基础篇一《为什么用Python进行机器学习》前面说过，监督学习是最常用也是最成功的机器学习类型之一。本章将会详细介绍监督学 习，并解释几种常用的监督学习算法。我们在第 1 章已经见过一个监督学习的应用：利用 物理测量数据将鸢尾花分成几个品种。记住，每当想要根据给定输入预测某个结果，并且还有输入 / 输出对的示例时，都应该使 用监督学习。这些输入 / 输出对构成了训练集，我们利用它来构建机器学习模型。我们的 目标是对从未见过的新数据做出准确预测。监督学习通常需要人力来

机器学习（machine learning）是从数据中提取知识。它是统计学、人工智能和计算机科学交叉的研究领域，也被称为预测分析（predictive analytics）或统计学习（statistical learning）。近年来，机器学习方法已经应用到日常生活的方方面面。从自动推荐看什么电 影、点什么食物、买什么商品，到个性化的在线电台和从照片中识别好友，许多现代化网站和设备的核心都是机器学习算法。当你访问像 Facebook、Amazon 或 Netflix 这样的复杂 网站时，很可能网站的每一部分