学习机器学习实战中。。。。路漫漫。
监督学习：K-近邻算法、朴素贝叶斯、支持向量机、决策树
分类：将实例数据划分到合适的分类中。
回归：预测数值型数据。例如:数据你和曲线。
这类算法必须知道预测什么，即目标变量的分类信息。
无监督学习：K-均值、DBSCAN
数据没有类别信息，也不会给定目标值。
将数据集合分成由类似的对象组成的多个类的过程称为==>聚类。
将寻找描述数据统计值的过程称为密度估计。
机器学习算法开发应用程序步骤：
1.收集数据。
2.准备输入数据。
3.分析输入数据==>确保数据集中没有垃圾数据。
4.训练算法==>从数据集中抽取知识或信息。
5.测试算法==>评估算法。
6.使用算法。
python安装Numpy模块：
Numpy下载地址：https://pypi.org/project/numpy/1.16.3/#files
我的python版本为3.7.3,因此下载对应Numpy版本为：
numpy-1.16.3-cp37-cp37m-win_amd64.whl
复制该文件到python安装；路径下Scripts文件夹下
输入:pip3.7 siantll 存放路径
后续章节记录机器学习算法笔记，加油！
