1、Python环境及pip list截图
2、学习笔记
建模——预测
机器学习的一般流程：数据收集——数据请理——特征工程——数据建模
机器学习的方法：
线性回归、EM算法、GMM与图像、图像的卷积、去均值ICA分离、带噪声的信号分离、SVM：高斯核函数的影响RBF、Crawler爬取数据、HMM分词：MLE、LDA
3、什么是机器学习，有哪些分类？结合案例，写出你的理解。
机器学习是人工智能的一个分支。我们使用计算机设计一个系统，使它能够根据提供的训练数据按照一定的方式来学习；随着训练次数的增加，该系统可以在性能上不断学习和改进；过参数优化的学习模型，能够用于预测相关问题的输出。
监督学习：从标记的训练数据来推断一个功能的机器学习任务，如分类和回归。
无监督学习：把没有标签的数据分成一个一个组合，如聚类。
半监督学习：在训练阶段结合了大量未标记的数据和少量已标记的数据。
强化学习：智能系统从环境到行为映射的学习，以使奖励信号(强化信号)函数值最大。
原文：https://www.cnblogs.com/MRJ1/p/12628476.html