ML第2周学习小结

本周收获

总结一下本周学习内容：

• 1、复习了Numpy的一些基础操作，主要是利用numpy来对ndarray数组进行操作

  • 🚗我的博客链接： Numpy的一些操作

• 2、正在学习《深入浅出Pandas》

  • 1~2章是对Pandas的一个快速入门，我只是大致浏览了一下

  • 本周重点看的是3~4章，是有关Pandas数据分析基础有关的内容，

    • 🚗我的博客链接： Pandas基础操作

• 3、学习了《Pyhon机器学习基础教程》第二章的两个监督学习模型

  • 1)、K近邻

    • 🚗我的博客链接: K近邻

  • 2)、线性模型

    • 🚗我的博客链接： 线性模型

  • 3)、并梳理了一下本周学习的这两个模型

📣

• 经过本周的学习，感觉对监督学习的概念理解得会更加深刻一点了。以前老是分不清线性模型里面多种多样的模型的区别，但是在《Pyhon机器学习基础教程》里面，作者把线性模型这部分写的很清楚，无论是用于回归还是用于分类的线性模型，现在我都能分清啦。

• 书本里面的代码都很简单，能看懂也能理解。但是不知道为啥我一合上书本，还是没办法自己准确无误地打出所有代码，必须得看着书才行。可能还是实践经历太少的缘故吧，多练练就熟悉了。

下周计划

我的下周flag是：

• 1、🚩《深入浅出Pandas》的第五章：Pandas高级操作，至少学习三个内容

  • 复杂查询
  • 数据类型转换
  • 数据排序

• 2、🚩《Python机器学习基础教程》第二章；最好下周结束第二章学习

  • 监督学习算法

    • 朴素贝叶斯分类器
    • 决策树
    • 核支持向量机

  • 分类器的不确定估计