这篇文章是为了在读完《Python机器学习基础》后对书本内容进行整理，我也是最近（不到两个月）才开始学习机器学习，不足错误之处肯定有，我很倾佩写这种某领域经典书籍的人，写的东西从不拖泥带水却又非常准确，有时候去解释一样东西，尤其是自己很熟悉的东西的时候，就不自觉的废话多了起来，生怕别人听不懂，但是你说可以这样废话多一点，写出来的话还是好多圈话就让读的人容易一头雾水，本来清楚的都被你说的懵逼了。希望有朝一日也能成长为可以写出这种书的那一类人。这本书写的确实不错，慢慢的我已经接受了一个事实，你在网站博客上翻来覆去寻找到的东一块西一块的知识点，其实在某本书中已经在某一页非常清楚的写着了，又清晰又简洁又权威，没有一点的废话。
好了开始第一章整理：
再回过头去看第一章，反倒是感觉并没有什么内容了，主要是介绍了机器学习是什么，能解决什么问题，以及后面每一章都要用到的scikit-learn库。还介绍了一个简单的机器学习中的分类问题，关于鸢（yuan）尾花的分类。
再回过头看第一章真的不知道有什么值得记录的，我们不妨就以回答问题的形式来总结好了
Q：什么是机器学习，机器学习可以解决什么问题？
A：机器学习并没有那么神乎其技，无非就是搭建一个模型，通过学习，这个模型可以告诉我们你这张图片是男还是女，那么机器如何学习呢，就是通过所谓的“训练”，先给我10000张人的照片，以及告诉我这10000张人脸都分别是难是女，然后我将会在我的模型中不断调整模型中的大量参数，直到学习到某个类似“ 这个图片只要怎么怎么样，我就认为是男”这样的东西，这个机器学习模型就搭建好了。当然图像的识别已经是稍微复杂一点的机器学习了，因为我需要想办法去找到图片中的特征信息，那我们换个简单的例子，就是书中给出的鸢尾花的例子，同样的，我需要先让模型来进行学习（训练），我给出了10000个例子，每个例子包括4个特征：花瓣的长度和宽度，花萼的长度和宽度（这4个特征将决定鸢尾花的品种）。然后，给出这10000个特征例子对应的鸢尾花品种，接着把这些数据丢给模型让它去找规律，找到花瓣花萼和花品种之间的关系。学习完以后，就可以通过你新给的花瓣花萼长度和宽度，从而得出这是什么鸢尾花品种啦。那么机器学习可以解决的问题大概分两类，一个是分类问题，顾名思义，就是对数据分类，一个是回归问题，这个给出的结果不是属于哪个类，而是一个连续的值，比如预测房价这种问题（又废话了）
Q：无监督学习和监督学习是什么
A：前面说到，要让模型可以识别这个鸢尾花是鸢尾花的什么品种，我需要先让模型找到花瓣花萼长度宽度和鸢尾花品种的关系，为此我需要提过10000个的学习数据，这种提供学习数据的叫做监督学习，那么无监督就是不提供学习数据，自己在学习中找到规律，可能会很疑问，这怎么搞？我举个例子就明白了，比如进行人脸的聚类，就是把一堆人脸中相同的聚类到一起去，这种就没法提供学习数据了，就是无监督学习。当然还有什么半监督学习等等
Q：很需要数学知识吗？
A：还是要的，虽然库里有很多很好用的API，但是我感觉数学知识还是要的，很多说不需要什么高深的数学知识，只要有基础的数学知识就可以学机器学习甚至深度学习的，那是因为在大神看来那些不是高深的数学知识，而是基础的数学知识，大神对数学知识的分类和很多人不一样…
一不小心又废话了，哎又舍不得删，就这样吧
