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(shū)層出不窮。然而多數(shù)是基礎(chǔ)理論知識(shí)介紹，缺乏實(shí)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(shū)籍基礎(chǔ)的筆記所得。本系列文章將采用理論結(jié)合實(shí)踐方式編寫(xiě)。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(cè)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(lèi)（決策樹(shù)、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(xiàn)性回歸、非線(xiàn)性回歸）非監(jiān)督學(xué)習(xí)（K-means聚類(lèi)、Hierarchical聚類(lèi)）。本文采用各個(gè)算法理論知識(shí)介紹，然后結(jié)合python具體實(shí)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(jiǎn)介(2)）
目錄
【Machine Learn】Python開(kāi)發(fā)工具：Anaconda+Sublime(1)
【Machine Learn】機(jī)器學(xué)習(xí)及其基礎(chǔ)概念簡(jiǎn)介(2)
【Machine Learn】決策樹(shù)在商品購(gòu)買(mǎi)力能力預(yù)測(cè)案例中的算法實(shí)現(xiàn)(3)
1 機(jī)器學(xué)習(xí)簡(jiǎn)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(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門(mén)學(xué)科。專(zhuān)門(mén)研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。
