这属于我个人的一个学习笔记，让自己思路清晰，我没有吸收的是什么而做的笔记。所以可能会有点简单。
1.1.机器学习的目的
实现人工智能的手段，主要研究内容是如何利用数据或经验进行学习，改善具体算法的性能。广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易、医疗诊断。
推荐系统：推荐系统是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。
1.2.机器学习的分类
监督学习 （SupervisedLearning）无监督学习 （Unsupervised Learning） 强化学习（Reinforcement Learning，增强学习）（可参考这个视频理解）、半监督学习（Semi-supervised Learning）(介于监督和无监督学习之间)、深度学习 (Deep Learning)（利用深层神经网络抽象得表示数据特征的一种方法）
1.3.Python Scikit-learn
官网首页： http://scikit-learn.org/stable/
• Machine Leaning in Python
• 一组简单有效的工具集
• 依赖Python的NumPy，SciPy和matplotlib库
• 开源、可复用
本课程也主要注重于sklearn的使用方法，对于算法的原理不做过多深究
常用函数：4标
了解基本的机器学习原理及算法、学习利用机器学习算法解决应用问题的能力、掌握sklearn库中常用机器学习算法的基本调用方法，避免重复造车。
1.5.推荐书籍与课程
1、西瓜书，周志华《机器学习》
2、《PRML》-Bishop民间评价：“早知此书，PhD早毕业2年”
3、《MachineLearning》-Andrew Ng（机器学习入门）
主页： http://cs229.stanford.edu/
Coursera版: https://www.coursera.org/learn/machine-learning
Stanford手书版: http://open.163.com/special/opencourse/machinelearning.html
4、《CS231n:Convolutional Neural Networks for Visual Recognition》-Fei-Fei Li（深度学习）
主页： http://cs231n.stanford.edu/
《Reinforcement Learning》- David Silver（增强学习）
主页：http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html
在线观看：https://www.youtube.com/watch?v=2pWv7GOvuf0
1.6.sklearn库中的标准数据集及基本功能
总览如上，小数据集可直接使用，大数据集要再调用时程序自动下载(一次即可)
举例：
（1） 波士顿房价数据集
介绍：波士顿房价数据集包含506组数据，每条数据包含房屋以及房屋
周、围的详细信息。其中包括城镇犯罪率、一氧化氮浓度、住宅平均房间数、到中心区域的加权距离以及自住房平均房价等。因此，波士顿房价数据集能够应用到回归问题上。
属性描述：
部分数据：
使用方法：
使用sklearn.datasets.load_boston即可加载相关数据集，其重要参数为：
• return_X_y: 表示是否返回target（即价格），默认为False，只返回data（即属性）
（2） 鸢尾花数据集
介绍：鸢尾花数据集采集的是鸢尾花的测量数据以及其所属的类别。
测量数据包括：萼片长度、萼片宽度、花瓣长度、花瓣宽度。类别共分为三类：IrisSetosa，Iris Versicolour，Iris Virginica。该数据集可用于多分类问题。
部分数据：
使用方法：
使用sklearn.datasets. load_iris即可加载相关数据集，其重要参数有：
• return_X_y: 若为True，则以（data,target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target）。
使用举例：
（3） 手写数字数据集
介绍：手写数字数据集包括1797个0-9的手写数字数据，每个数字由8*8大小的矩阵构成，矩阵中值的范围是0-16，代表颜色的深度。
部分数据：
数字0的样本
使用方法：
使用sklearn.datasets.load_digits即可加载相关数据集，其参数包括：
• return_X_y:若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target） ；
• n_class：表示返回数据的类别数，如：n_class=5,则返回0到4的数据样本。
使用举例：
输出：
1.7.sklearn库的基本功能
sklearn库的共分为6大部分，分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。
