本文主要向大家介绍了机器学习入门之机器学习初探，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

　　ML is algorithms is a scientific discipline that explores the construction and study of algorithms that can learn from data.
　　https://en.wikipedia.org/wiki/Machine_learning
　　机器学习通常是一种模式Pattren，具体代码或算法由大而复杂的数据来训练得到。
机器学习算法的大致分类
　　1）分类：已知多个样本以及他们所属的分类，产生模型预测新样本的分类
　　2）回归：已知多个样本以及他们所对应的连续值，产生模型预测新样本的值
　　3）聚类：已知多个样本，但不知他们所属的分类，产生模型预测样本的分类关系
机器学习的流程与算法
　　1）数据收集：首先收集样本的原始数据和特征
　　2）选择算法
　　3）数据预处理：连续性数据直接作为特征向量的一员，离散型数据特征化，将预测目标和预测值也特征化
　　4）数据训练，选择某个模型处理数据：例如决策树模型、随机森林模型
　　5）算法检验，模型调优与参数优化，学习曲线分析
Python的ML生态圈
　　1）numpy/scipy　　基础的数据结构和常用统计方法
　　2）scikit-learn　　所有特征矩阵类问题的算法
　　3）pandas　　统计分析
　　4）cython　　当非常需要性能的时候
　　5）ipython(notebook)　　交互式分析，生成讲稿
　　6）graphviz/matplotlib　　可视化分析

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！