這套筆記是跟著七月演算法四月機器學習班的學習而記錄的，主要記一下我再學習機器學習的時候一些概念比較模糊的地方，具體課程參考七月算法官網：
沒有那種模型是萬能的，在特定情況下選擇適合的模型
對這幅圖做如下解釋
從start開始，先看資料的訓練樣本
在資料樣本比較小的情況下，需要新增更多樣本或放棄機器學習，用人工規則處理。
當樣本足夠時：並且是連續值問題，採用回歸方法解決。
果是離散樣本分類，則使用分類模型。當分類樣本數量不大，用線性svm解決，如果是文字資料分類，使用樸素貝葉斯； 如果不是，使用lr或svm等。如果樣本很大，用svm就很難，它收斂時間非常長，這樣，使用隨機梯度下降或核估計方法。
如果是回歸問題：
在樣本資料非常小的情況下，採用線性方法，如果樣本資料足夠，使用隨機梯度下降等方法
如果樣本維度很高，使用降維方法（無監督學習）
如果無標籤，使用聚類方法。
已知模型，選擇引數
需要考慮引數和次數
引數選擇方法：
將資料劃分
70% 訓練集，用於建模
20% 交叉驗證， 引數選擇
10% 測試集， 效果的評估
k折交叉驗證，
將訓練集分為k個部分，輪番用其中某一折作為驗證集，前面其他作為訓練集。每折用不同測模型，用驗證集驗證。
模型引數含義
超引數的選取
過擬合：高波動
欠擬合：高偏差
工程判定模型處於什麼狀態：學習曲線
橫座標：不同量的訓練樣本
縱座標：準確度。
實線表示交叉驗證集的準確度，
對錯分樣本的處理
模型融合：比如，不同模型一起投票
bagging每次不用全部的資料集。用不同模型判別（比如n個模型給的結果取多數的判定結果）。減小波動
adboost給分錯的樣本更高的權重，努力學習錯分樣本。
來自於課程ppt
機器學習的工作流程
打造乙個機器學習的應用程式，從工作流程方面熟悉整體的步驟，對後面深入學習有很大的幫助。整個過程有六個步驟 機器學習中的資料，可以來自不同的資料來源，可能是csv檔案，也可能是從伺服器拉取出來的日誌，或者是自己構建的web爬蟲。獲取了資料，下一步進行合理地檢查資料，最好的方法是發現不可能或幾乎不可能的...
資料科學 機器學習工作流程
構建機器學習應用程式在許多方面與標準工程正規化相似，但在乙個關鍵方面有所不同 需要將資料作為原材料來使用。資料專案的成功在很大程度上取決於您所獲取資料的質量以及處理方式。並且由於處理資料屬於資料科學領域，因此有助於理解資料科學工作流程 該過程按以下順序進行以下六個步驟 採集，檢查和探索，清理和準備，...
資料科學 機器學習的工作流程
摘要 理解資料科學的工作流程，有助於我們合理有序地把控相關專案的開展。常見的整個過程包括 獲取，檢查和探索，清理和準備，建模，評估和最後的部署。機器學習應用中的資料，可以來自不同的資料來源，它可能是通過電子郵件傳送csv檔案，也可能是從伺服器中拉取的日誌，或者它可能需要構建自己的web爬蟲。資料可能...