机器学习

梯度下降法模拟python import numpy as np import matplotlib.pyplot as plt

Scikit-learn中的Scaler scikit-learn中的StandardScaler 使用归一化后的数据进行knn分类

数据归一化处理 最值归一化：把所有数据映射到0-1之间 均值方差归一化：把所有数据诡异到均值为0方差为1的分布中 适用于：数据分布没有明显的边界 最值归一化 Normalization 均值方差归一化

超参数：在算法运行前需要决定的参数 模型参数：算法过程中学习的参数 KNN算法没有模型参数 KNN算法中的k是典型的超参数 寻找最好的k 考虑距离？不考虑距离？ 搜索明可夫斯基距离相应的p

```python import numpy as np import matplotlib import matplotlib.pyplot as plt from sklearn import d

对于knn来说，训练集就是模型 使用scikit-learn中的KNN KNeighborsClassifier(n_neighbors=6)

KNN 即k近邻算法 思想极度简单 引用数学知识少 效果好 可以解释机器学习算法使用过程中的很多细节 更完整的刻画机器学习应用的流程 KNN的过程

数读取和简单的数据探索 iris是一个字典 查看iris的内容 打印iris的数据 查看四列数据代表的内容 绘制数据，但是只能绘制二维的数据 marker表示不同点的样式

matplotlib 基础 一般给它一个别名mpl 用plot函数绘制图形，x就是横轴，y就是纵轴 用show展示 实际是一个折线图，就是x是100个元素，y是100个元素，把他们连接了起来 可以画两

Fancy Indesing 把索引定义成一个列表 可以直接访问索引 不仅可以索引一维数组，还可以索引二维数组 取对应行列的值 取第0行对应col的值 取前两列对应col的值 用布尔数组即表示对哪一列

索引 x中的最小值 最小值在哪 最大值所在的位置 排序和使用索引 乱序处理 np.sort(x)没有改变x的值进行排序 要想直接对x进行排序使用x.sort() 默认对每一行进行排序 默认axis=1

监督学习：给机器的训练数据拥有“标记”或者“答案”。           图像已经拥有了标定信息           银行已经积累了一定的客户信息和他们信用卡的信用 情况           医院已经