机器学习实战笔记（1）

1.1 一个例子

在基于四种特征（体重、翼展、脚蹼、后背颜色）鸟类物种分类这个例子中，数据包含6个训练样本，每个样本有4种特征，1个目标变量。目标变量是机器学习算法的预测结果，在分类算法中目标变量的类型通常是离散型，而在回归算法中通常是连续型的。训练样本集必须确定知道目标变量的值，以便机器学习算法可以发现特征和目标变量之间的关系。

1.2 如何选择合适的算法

从众多算法中选择实际可用的算法，必须考虑一下两个问题：一、使用机器学习算法的目的，想要算法完成何种任务；二、需要分析或收集的数据是什么。

主要应该了解数据的一下特征：特征值是离散型变量还是连续型变量，特征值中是否存在缺失的值，何种原因造成缺失值，数据中是否存在异常值，某个特征发生的频率如何，等等。对于所选的算法，都可以使用其他的机器学习技术来改进其性能。

 

总结：机器学习的方法可以说是无处不在╮(╯_╰)╭，从邮件过滤系统到预测天气、疾病，人类利用这些方法来处理繁杂冗余的数据，想想，节省了多少人力和脑力。YY了一下，会不会有机器智慧接近人类智慧的那一天呢？