更新完：第1章 机器学习基础

docs/1.机器学习基础.md

@@ -2,7 +2,28 @@
 
 ![机器学习基础_首页](/images/1.MLFoundation/机器学习基础-首页.jpg)
 
-我们会利用计算机来彰显数据背后的真实含义，这才是机器学习的真实含义。
+```
+例如：动物猫
+模式识别：人通过经验，得到：这个就是猫。
+机器学习：人通过大量的书籍来学习，得到：这个就是猫
+深度学习：人通过大量的书籍，然后先对书籍内容：文字／图片／视频，进行特征提取，特征强化，降维，得到：这个就是猫。
+
+模式识别（Pattern recognition）: 模式识别是最古老的（作为一个术语而言，可以说是很过时的）。
+    我们把环境与客体统称为“模式”，识别是对模式的一种认知，是如何让一个计算机程序去做一些看起来很“智能”的事情。
+    通过融于智慧和直觉后，通过构建程序，识别一些事物，而不是人，例如识别数字。
+机器学习（machine learning）: 机器学习是最基础的（当下初创公司和研究实验室的热点领域之一）。
+    在90年代初，人们开始意识到一种可以更有效地构建模式识别算法的方法，那就是用数据（可以通过廉价劳动力采集获得）去替换专家（具有很多图像方面知识的人）。
+    “机器学习”强调的是，在给计算机程序（或者机器）输入一些数据后，它必须做一些事情，那就是学习这些数据，而这个学习的步骤是明确的。
+    机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。
+深度学习（deep learning）: 深度学习是非常崭新和有影响力的前沿领域，我们甚至不会去思考后深度学习时代
+    深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
+
+参考地址： 
+http://www.csdn.net/article/2015-03-24/2824301
+http://baike.baidu.com/link?url=76P-uA4EBrC3G-I__P1tqeO7eoDS709Kp4wYuHxc7GNkz_xn0NxuAtEohbpey7LUa2zUQLJxvIKUx4bnrEfOmsWLKbDmvG1PCoRkJisMTQka6-QReTrIxdYY3v93f55q
+```
+
+我们会利用计算机来彰显数据背后的真实含义，这才是`机器学习`的真实含义。
 
 > 机器学习已应用于多个领域，远远超出大多数人的想象，横跨：计算机科学、工程技术和统计学等多个学科。
 
@@ -10,7 +31,7 @@
 * 垃圾邮件，会自动的过滤垃圾广告邮件到垃圾箱内。
 * 超市优惠券，你会发现，你在购买小孩子的尿布的时候，售货员会赠送你一张优惠券可以兑换6罐啤酒。
 * 邮局邮寄，手写软件自动识别寄送贺卡的地址。
-* 申请贷款，通过你最近的金融活动信息继续综合评定，决定你是否合格。
+* 申请贷款 或 进入赌场，通过你最近的金融活动信息进行综合评定，决定你是否合格。
 
 ## 机器学习的简单概述
 
@@ -35,27 +56,27 @@
 
 * 必须知道预测什么，即必须知道目标变量的分类信息。分类和回归属于监督学习。
 * 样本集：训练数据 + 测试数据
-    * 训练样本 = 特征 + 目标变量
+    * 训练样本 = 特征(feature) + 目标变量(label)
     * 训练样本的集合称为训练样本集，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。
 * 特征(feature-是否有缺失情况) + 目标变量(分类-离散值<A/B/C、 是/否>/回归-连续值<0~100、 -999～999>)
     * 特征或者属性通常是训练样本集的列，它们是独立测量得到的结果，多个特征联系在一起共同组成一个训练样本。
 * `知识表示`：机器已经学会如何识别鸟类的过程
-    * 1.可以采用规则集的形式
-    * 2.可以采用概率分布的形式
-    * 3.可以使训练样本集中的一个实例
+    * 1.可以采用规则集的形式【例如：数学成绩大于90分为优秀】
+    * 2.可以采用概率分布的形式【例如：通过统计分布发现，90%的同学数学成绩，在70分一下，那么大于70分定为优秀】
+    * 3.可以使训练样本集中的一个实例【例如：通过样本集合，我们训练出一个模型实例，得出 年轻，数学成绩中高等，谈吐优雅，我们认为是优秀】
 
 > 非监督学习
 
-* 数据没有类别信息，也不会给定目标值
-* 聚类：在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程称为聚类；
-* 密度估计：将寻找描述数据统计值的过程称之为密度估计。
+* 数据没有类别信息，也不会给定目标值。
+* 聚类：在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程称为聚类。
+* 密度估计：将寻找描述数据统计值的过程称之为密度估计。【就是：根据训练样本确定x的概率分布】
 * 此外，无监督学习还可以减少数据特征的维度，以便我们可以使用二维或三维图形更加直观地展示数据信息。
 
 > 算法汇总
 
 ![算法汇总](/images/1.MLFoundation/ml_algorithm.jpg)
 
-## 机器学习的原因
+## 学习机器学习的原因
 
 * 选择算法需要考虑的两个问题
     * 使用机器学习算法的目的
@@ -66,23 +87,29 @@
 
 ```
 开发机器学习应用程序的步骤
-1. 收集数据
-2. 准备输入数据
-    * 注意数据的格式
-3. 分析输入数据
-    * 为了确保数据集中没有垃圾数据；如果是算法可以处理的数据格式或可信任的数据源，则可以跳过该步骤；另外该步骤需要人工干预，会降低自动化系统的价值。
-4. 训练算法
-    * 如果使用无监督学习算法，由于不存在目标变量值，则可以跳过该步骤
-5. 测试算法
-6. 使用算法
+* 收集数据: 收集样本数据
+* 准备数据: 注意数据的格式
+* 分析数据: 为了确保数据集中没有垃圾数据；
+    如果是算法可以处理的数据格式或可信任的数据源，则可以跳过该步骤；
+    另外该步骤需要人工干预，会降低自动化系统的价值。
+* 训练算法: [机器学习算法核心]如果使用无监督学习算法，由于不存在目标变量值，则可以跳过该步骤
+* 测试算法: [机器学习算法核心]评估算法效果
+* 使用算法: 将机器学习算法转为应用程序
 ```
 
 ## Python语言的优势
 
 1. 可执行伪代码
-2. Python比较流行
-3. Python语言的特色
-4. Python语言的缺点
+2. Python比较流行：使用广泛、代码范例多、丰富模块库，开发周期短
+3. Python语言的特色：清晰简练、易于理解
+4. Python语言的缺点：唯一不足的是性能问题
 5. Python相关的库
     * 科学函数库：`SciPy`、`NumPy`(底层语言：C和Fortran)
     * 绘图工具库：`Matplotlib`
+
+* * *
+
+**作者：[片刻](http://www.apache.wiki/display/~jiangzhonglian) [1988](http://www.apache.wiki/display/~lihuisong)
+[GitHub地址](https://github.com/apachecn/MachineLearning): <https://github.com/apachecn/MachineLearning>
+[原文链接](https://github.com/apachecn/MachineLearning/blob/master/docs/1.%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%9F%BA%E7%A1%80.md)： <https://github.com/apachecn/MachineLearning/blob/master/docs/1.%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%9F%BA%E7%A1%80.md>
+**`版权声明：欢迎转载学习-记得标注信息来源，谢谢`**