机器学习概论
1. 什么是机器学习？
机器学习是计算机如何模拟或实现人类的学习行为来获取新的知识或技能，并重新组织现有的知识结构以不断提高自身的性能，从而不需要外部显式指令，而是可以自行传递数据。 （数据驱动）使用构建的模型和新输入进行学习、建模和预测的学科。
程序设计与机器学习
2. 机器学习分类
机器学习可以分为监督学习、无监督学习和半监督学习。监督学习有训练集和测试集，功能，即通过训练集拟合分类器，测试集用于测试数据；无监督学习只有数据集，特征相似的聚类是根据数据集的特征进行的；半监督学习有训练集和测试集。监督学习是两者的结合。
3. 机器学习三要素
输入数据
预期输出示例
如何衡量算法性能
4. 分类，聚类，回归，降维
机器学习可分为四大块，即分类，回归，聚类，降维。前两者使有监督学习，后两者使无监督学习。
分类：通过向模型输入各种训练集，产生函数即分类器，对未分类的测试集用分类器进行分类。主要算法有，K-邻近算法，决策树算法，贝叶斯算法和支持向量机算法。
返回：通过向模型输入训练集，得到一条回归线，反应自变量和因变量的关系，主要实现算法有，线性回归，逻辑回归。
聚类：对数据集分析，根据数据集的特点将特征相似的数据聚合到一起，形成不同的类别。
降维：利用正交变换对一系列可能的变量进行线性变换，将数据映射到维度更低的空间便于分析和计算。
5. Python 语言的优势
Python作为实现机器学习算法的编程语言：
(1) Python的语法清晰；
(2) 易于操作纯文本文件；
(3) 使用广泛，存在大量的开发文档。
python提供大量的库方便进行计算
(1)科学函数库SciPy和NumPy使用底层语言（C和Fortran）编写，提高了相关应用程序
的计算性能。
(2)绘图工具Matplotlib协同工作。Matplotlib可以绘制2D、3D图形，也可以处理科学研究中经常使用到的图形.
(3)Pandas 数据分析工具,是Python中进行数据分析的库，它具有以下功能：生成类似Excel表格式的数据表，并对数据进行修改操作；从不同的数据源中获取数据，例如：SQL Server, Excel表格, CSV文件, Oracle等；
(4)Scikit learn 也简称sklearn，是机器学习领域当中最知名的python模块之一。sklearn包含了很多机器学习的方式。以后的学习主要就是用到机器学习库sklearn。
sklearn库简介
- 分类
- 回归
- 聚类无监督分类
- 降维 数据降维
- 选型 选型
- 数据预处理和处理
- 数据集 数据集库
使用sklearn可以让我们轻松实现机器学习算法。复杂算法的实现可能只需要使用sklearn调用几行API。