機器學習演算法分類：監督學習、半監督學習、無監督學習、強化學習
基本的機器學習演算法：線性回歸、支援向量機(svm)、最近鄰居(knn)、邏輯回歸、決策樹、k平均、隨機森林、樸素貝葉斯、降維、梯度增強
機器學習演算法大致可以分為：
監督學習演算法基於一組示例進行**。在監督學習訓練過程中，可以由訓練資料集學到或建立乙個模式（函式 / learning model），並依此模式推測新的例項。
監督學習演算法要求特定的輸入/輸出，乙個常見的例子是根據當年和前幾年的銷售情況估算下一年的銷售額。首先需要決定 使用哪種資料作為範例。例如，文字識別應用中乙個手寫的字元，或一行手寫文字。監督學習主要演算法包括神經網路、支援向量機、最近鄰居法、樸素貝葉斯法、決策樹等。
Machine Learning 梯度下降
對於lost function利用梯度下降的方法實現引數調整，梯度下降在每一次迭代的過程中需要全部樣本參與，而隨機梯度法或增量梯度法在迭代中利用樣本中的乙個樣本更新引數。梯度下降達到全域性最優 include include using namespace std define maxiter 22...
安裝Machine Learning環境
公升級python版本到3.5以上。詳情參考linux公升級python版本 步驟1中也包含了安裝pip 第一批ml環境 pip install tensorflow pip install keras pip install beautifulsoup4 pip install lxml pip ...
機器學習（Machine Learning）
最近開始接觸機器學習，簡稱ml。ml 可以這樣理解，從一堆資料中提煉出特徵值。首先，我們需要在計算機中儲存歷史的資料。接著，我們將這些 資料通過機器學習演算法進行處理，這個過程在機器學習中叫做 訓練 處理的結果可以被我們用來對新的資料進行 這個結果一般稱之為 模型 對新資料 的 過程在機器學習中叫做...