机器学习相关笔记和知识点

1.主成分析

主成分可以用已有的一个或多个变量表示。比如，可以使用“维生素C”这个变量来区分不同的食物。因为蔬菜含维生素C而肉类普遍缺乏，所以可以通过“维生素C这个变量来区分蔬菜和肉类。但是无法进一步区分不同的肉类。

为了进一步区分不同的肉类，可以选择把脂肪含量作为第二个变量，因为肉类含有脂肪，而大部分蔬菜则不然。由于脂肪和维生素C的计量单位不同，因此在组合之前，必须先对他们进行标准化。

标准化类似使用百分比为位数表示每个变量，以次将所有变量同意道一个标准尺度上，这样一来，就可以产生一个新变量：”维生素C-脂肪“。

例如：

2.关联规则

监督学习

1.回归分析


局限性：

2.K最近邻算法和异常检测
物以类聚，人以群分






3.支持向量机


勾画最佳分界线
支持向量机的主要目标是得到一条能用于分组的最佳分界线。这并不是听上去那么简单，因为分解线可能有多天。

4.决策树



决策树之所以深受大家喜欢，因为比较容易解释

5.随机森林
6.神经网络