接著上一次的筆記，今天將《零起點學習python機器學習快速入門》的剩下的內容全部做乙個記錄。
前天將書中的幾個機器學習的模型全部啃了一遍：
1、邏輯回歸
2、貝葉斯網路
3、knn臨近
4、隨機森林
5、決策樹
6、gdbt迭代決策樹
7、svm支援向量機
8、交叉向量機
9、神經網路
10、神經網路回歸
就這麼幾類模型，這些模型自己有的知道原理，有的還沒有見過，書中雖然是提了以下，但是基本上和沒有講是一樣的根本沒有辦法理解到什麼。書中的**頁全部手敲一遍，基本上都是類似的**，只是換乙個模型函式，而且書中自己也封裝了乙個庫，所以**看起來十分的簡單。
近幾年神經網路是最火的，因為現在的神經網路可以設計成好幾層甚至更多的層數，這樣可以學習到的特徵就會更多，效果也就會更好，所以後面考慮到實際的需求，就基本上專攻神經網路這一部分了。
本書的下面一部分是「組合機器學習」，這個部分基本上就是講前面的出現的各種機器學習模型組合起來，思維方式是「三個臭皮匠頂個諸葛亮」的想法。將幾個模型組合起來輸出的結果不根據某乙個模型的**結果，而是綜合考慮幾個模型的結果，然後再下判斷。這樣的方式在我看來有乙個問題，就是假如使用三個模型，有兩個模型正確率不高，另乙個準確率較高，那麼最終的結果是綜合考慮3個模型的判斷，還是只聽哪個準確率較高的模型。如果乙個模型的準確率已經夠高了，其他的模型的結果還需要考慮嗎？
這個問題上學期和室友討論過一次，就是如果訓練不出乙個比較正確的模型的話，拿再多的正確率不高的模型來進行組合也是沒有用的。
後面書終又講了一下怎麼楊儲存訓練好的模型，基本上也是結構化的**，個人感覺敲一遍就基本上沒有問題了。
整本書通讀下來，機器學習給我的感覺，就是"資料處理》將處理好的資料丟到模型中》儲存模型》完成"整個流程感覺比較簡單，也不涉及理論性的東西，幾個模型基本上就是乙個函式呼叫的事。而且書中還將sklearn的庫中的很多東西進行了封裝，所以如果直接使用封裝之後的庫的話，基本上學完這本書要不了2天的時間。
OpenGL入門學習筆記02
多邊形 1，多邊形的兩面和繪製 這是乙個三維的概念，乙個多邊形有正面和反面，我們可以設定正面和反面的繪製方式 glpolygonmode gl front,gl point 正面，只繪製頂點 gl back 反面gl front and back正面和反面 gl fill填充的繪製方式gl line...
機器學習入門筆記
最近在學習機器學習。本文大概是我的筆記 總結 機器學習本質上是對已經了解一些內在規律的資料進行分析，得到一些資訊，從而在面對新資料的時候，可以進行 收集資料 分析資料 是否合法 是否能得到正確的演算法 訓練演算法 測試演算法 是否能以較大概率得到正確的結果 使用演算法 在已知資料集 每個資料可以看做...
機器學習 機器學習筆記整理02 機器學習概述
2.機器學習 machine learning,ml 2.1 概念 多領域交叉學科，涉及概率論 統計學 逼近論 凸分析 演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。2.2 學科定位 人工智慧 artifi...