摘要：隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的熱潮，各種圖書層出不窮。然而多數(shù)是基礎(chǔ)理論知識介紹，缺乏實現(xiàn)的深入理解。本系列文章是作者結(jié)合視頻學(xué)習(xí)和書籍基礎(chǔ)的筆記所得。本系列文章將采用理論結(jié)合實踐方式編寫。首先介紹機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的范疇，然后介紹關(guān)于訓(xùn)練集、測試集等介紹。接著分別介紹機(jī)器學(xué)習(xí)常用算法，分別是監(jiān)督學(xué)習(xí)之分類（決策樹、臨近取樣、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)算法）監(jiān)督學(xué)習(xí)之回歸（線性回歸、非線性回歸）非監(jiān)督學(xué)習(xí)（K-means聚類、Hierarchical聚類）。本文采用各個算法理論知識介紹，然后結(jié)合python具體實現(xiàn)源碼和案例分析的方式（本文原創(chuàng)編著，轉(zhuǎn)載注明出處:機(jī)器學(xué)習(xí)及其基礎(chǔ)概念簡介(2)）
目錄
【Machine Learn】Python開發(fā)工具：Anaconda+Sublime(1)
【Machine Learn】機(jī)器學(xué)習(xí)及其基礎(chǔ)概念簡介(2)
【Machine Learn】決策樹在商品購買力能力預(yù)測案例中的算法實現(xiàn)(3)
1 機(jī)器學(xué)習(xí)簡介
機(jī)器學(xué)習(xí) （Machine Learning, ML) ：
概念：多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。專門研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。
延伸閱讀
學(xué)習(xí)是年輕人改變自己的最好方式