演算法以及開發流程
明確的幾點問題：
1.演算法是核心，資料和計算是基礎
2. 找準定位，知道演算法原理，學會運用。
3.學會分析問題，使用機器學習演算法的目的，在什麼情況下運用。
4.掌握演算法的基本思想，學會對問題用相應的演算法解決。
5.學會利用庫和框架解決問題。
演算法判別依據
資料型別判斷：
離散型資料：分類：由記錄不同類別個體的數目所得到的資料，又稱計數資料，所有這些資料全部是整數，而且不能在細分，也不能進一步提高他們的精確度。
連續型資料：回歸變數可以在某個範圍內取任一數，即變數的取值可以使連續的，如，長度，時間，質量等，這類整數通常是非整數，含有小數部分。
離散型區間不可分，連續型區間可分
例子：比如對貓狗分類，就是屬於離散型。對與股價的**這個就是連續型。
機器學習演算法分類
監督學習：有特徵值+目標值
分類 ： k-近鄰演算法、貝葉斯分類、決策樹與
隨機森林、邏輯回歸、神經網路
回歸 ： 線性回歸、嶺回歸
標註： 隱馬爾可夫模型
無監督學習：只有 特徵值
聚類 ： k-means
機器學習開發流程
1.首先獲得原始資料
2.然後明確問題建立模型：根據資料型別劃分應用種類
3.然後資料的基本處理，用pandas處理資料（缺失值，合併表。。。）
4.特徵工程（對特徵進行處理）重要
5.找到合適的演算法進行**或者分析
6.模型的評估，判定效果
7.以api形式提供介面，上線。
05 機器學習演算法分類以及開發流程
1.需要明確 演算法是核心，資料和計算是基礎 2.找準定位 如果只是開發工程師 沒必要把數學的推導搞得特別清楚。僅需要把演算法的原理搞清楚 知道用在哪些方面 該演算法擅長及不擅長的領域即可 重要 特徵工程 調引數 優化 大部分複雜模型的演算法設計都是演算法工程師在做 應該怎麼做？1.學會分析問題，使...
機器學習演算法簡介
一 監督學習 偏差和方差就像飛鏢射到靶子上。每個飛鏢就是從不同資料集得出的 結果。高偏差 低誤差的模 型就是把飛鏢扔到了離靶心很遠的地方，但是都集中在乙個位置。而高偏差 高誤差的模型就是把飛 鏢扔到了靶子上，但是飛鏢離靶心也很遠，而且彼此間很分散。低偏差 高誤差的模型就是把飛鏢扔 到了離靶心很近的地...
03 機器學習開發流程
上一章 02 機器學習理性認識 讓大家對機器學習的相關演算法有了乙個初步的認識和了解。筆者的寫作思路是先把機器學習的每個大分類，以及大分類下的中小分類做乙個總體介紹。當後續對具體的演算法模型講解後，大家再回過頭對照今天講過的這些分類，你們會發現整個文集提供給你們的是乙個完整的知識體系。昨天的內容發布...