sklearn工具-绪论

一、监督学习

监督学习的概念与数学形式

统计机器学习的三要素

• 统计学习方法： 模型+策略+算法

监督学习的三个问题

• 分类、回归、标注

• 学习过程： 在假设空间执行搜索优化，挑选最好的学习器模型
  预测过程： 使用训练好的学习器对未见过得新样本实例作出预测，推断其类别！

• 学习器的评价指标：精确率、召回率

二、无监督学习

• 概念： 在无标记的数据上进行学习，重在发现数据中潜在的结构化信息，寻找数据的新视图。

• 主要方法：聚类分析、高斯混合模型、密度分布估计、协方差估计、流形学习

• 流形学习： 一种无监督的非线性的维数约简方法。它基于这样的认识：很多数据的维数只是人为地变高了。

• 维数约简的常见方法：随机投影、主成分分析（PCA）、线性判别分析（LDA）、局部线性嵌入（LLE）、t-SNE嵌入

三、强化学习

四、学习器的设计