有監督學習：有標籤
無監督學習：無標籤
一、• 線性回歸 ：• 通過已有的資料，進行新資料結果的**（有監督學習方式處理）
對連續型變數做**叫回歸，對離散型變數做**叫分類
比如有關於天氣的變數：晴，陰，雨。只能是其中單獨乙個，不存在介於兩種之間的，即不能又晴又雨。連續的變數是指取值可以是連續的變數。比如身高，體重等。可以在某個區間內取任意值都可以
二、• 樸素貝葉斯演算法（概率論的演算法） ：• 通過先驗概率，去對後驗概率進行計算（有監督學習方式處理）
三、• k-means演算法 ：• 計算所有樣本點到質心的距離，最後將質心放置在所有樣本點中心的位置上（ 無監督學習方式處理）
• 機器學習常見數學符號
數學中 ：= 才是賦值符號，計算機中是 =
！= 為不等號
人工智慧的深度學習中的作用：可以求出函式的最大值或者最小值，通過求導找誤差最小值來減少誤差
泰勒公式也是找誤差最小值來減少誤差
函式凹凸性也可以確定誤差最小值來減少誤差
常數求導為0
在乙個多變數的函式中，偏導數就是關於其中乙個變數的導數而保持其它變數恆定不變。 • 假定二元函式 = , ，則對x，y求偏導的表示為：
對x的偏導數時：f=2x+3y求導變為δf/δx=2，其中2x的x為未知數，求導得2，而3y可以當y為有值的常數，然後求導為0
函式凹凸性確定 • 凹凸判定法 設函式在區間上有二階導數：（函式求導兩次，最後只剩乙個拋物線）
二階導永遠是小於0的時候就是凸函式（因為取到最小值點來減少誤差的才是凸函式），反之為凹函式
泰勒公式：通過不停的求導，求導次數越多，誤差越小，越接近原函式，誤差最小值越精確
機器學習領域常常會遇到求解相似度的問題，通常可以轉化為對距離的求解，最常用的是對「向量」 的距離求解，
向量距離越近關係越相似
• a(0, 3) b(2, 5)
曼哈頓距離0-3的絕對值加2-5的絕對值，0和2就是x1，3和5就是x2
切比雪夫距離0-3的絕對值和2-5的絕對值哪個更大，大的那個拿來當距離，
切比雪夫距離比歐式距離小，歐式距離比曼哈頓距離要小
1 資料分析
資料分析 1.資料分析定義 2.資料分析的作用 3.資料分析的基本步驟 3.1明確分析目的和思路 3.2資料收集 3.3資料處理 3.4資料分析 過程中的重點，必須確保正確 3.5資料展現 3.6報告撰寫 4.資料分析行業前景 4.1蓬勃發展的趨勢 4.2資料分析師職業要求 5.隨著科技發展帶來的挑...
資料分析 1
獲取瀏覽器標識 useragent 谷歌 開啟瀏覽器頁面，右擊檢查，開啟頁面，點選network開啟頁面，單擊第乙個網頁資訊index.html，頁面拉至底部可找到useragent，複製即可 2.設定響應時間 偽裝使用者瀏覽，爬蟲會被電腦發現啟動反爬蟲，所以要偽裝成使用者 新建查詢 從其他源 從w...
資料分析之sql篇
剛才在琢磨客戶分析的時候，突然想到乙個假設，如果某個客戶的續約率很高，那麼證明他在產品的使用上效果是很好的，如果這些些產品的組合十分有效，那麼檢視其他類似的客戶的續約率，做一次論證應該是有意義的。於是就有了下面的一段sql，雖然自認資料庫功底尚可，當初頭疼的not exists如今依然有點拐不過來彎...