学习目标
一、前提
二、机器学习的概念与应用领域
1.认识
①亚瑟•塞缪尔的定义
②汤姆·米切尔的定义
2.相关术语
数据术语
训练模型术语
获得模型后术语
3.应用领域
语音识别
计算机视觉
自然语言处理
①自然语言分析
②自然语言生成
大数据分析
三、机器学习的类型
1.按学习类型分类
监督学习
无监督学习
半监督学习
强化学习
深度学习
2.按完成的任务分类
回归
分类
聚类
四、机器学习一般过程
1.数据获取
2.特征提取
3.数据预处理
①去除唯一属性
②缺失值处理
A. 均值插补法
B. 同类均值插补法
③重复值处理
④异常值
⑤数据定量化
4.数据标准化
①min-max标准化（归一化）
②z-score标准化（规范化）
5.数据降维
①目的
②权衡
6.训练模型
①样本数据集的选取
②机器学习算法
7.评估模型的有效性
①过拟合与欠拟合
②性能度量
A. 回归任务
B.分类任务
C.聚类任务
8.使用模型
五、Python机器学习常用库
1.NumPy-科学计算基础库
2. SciPy-科学计算扩展库
3.Pandas-数据分析工具库
4.Matp
