机器学习实战笔记（python3实现）01--概述

写在前面：这一个多月都在学习python,从python3基础、python爬虫、python数据挖掘与数据分析都有接触，最近看到一本机器学习的书（主要是学习相关算法）

于是就打算来做这份机器学习的笔记，笔记主要来源是《机器学习实战》以及网上一些博客资料和自己的理解，主要做我个人学习所用，初学者水平有限，文中难免有

纰漏和疏忽的地方，在此若有错误，还请不吝赐教，谢谢！

 

机器学习算法分为有监督学习和无监督学习。

这本书前两部分介绍的是有监督学习，第三部分介绍的是无监督学习（也称聚类）。

有监督学习有两种功能，一种是分类（本书第一部分介绍），一种是回归预测（本书第二部分介绍）。

这样就对这本书的思路有了一个总体把握。

本书涉及算法包括：k-近邻算法（KNN）、决策树、朴素贝叶斯、Logistic回归、支持向量机（SVM）、AdaBoost算法、k-均值聚类算法（k-means）、Apriori算法、PCA等。

另外，本书是通过“原理简述+问题实例+实际代码+运行效果”来分别介绍每个算法的，

原书代码在Python2中实现，本系列文章会对其进行部分修改，使其能在Python3中运行，且代码侧重帮助加深理解算法原理。