前几天看了 Google 的一个关于 Machine Learning 的slides，感觉不错，整理一下学习笔记
An approach to achieve artificial intelligence through systems that can learn from experience to find patterns in that data
ML teaches a computer to recognise patterns by examples, rather than programming it with specific rules.
一个例子：
一般来说，几个属性就代表了几个维度 …
前一阵看了一个叫做 莫烦Python 的教程，还有 sklearn的官方教程 初步了解了一下 sklearn 的基本概念，不过教程毕竟有些啰嗦，还是自己记录一下关键要点备忘。
sklearn 给了一个定义
In general, a learning problem considers a set of n samples of data and then tries to predict properties of unknown data. If each sample is more than a single number and, for instance, a multi-dimensional …
基本假设是一个系统运行的基础，然而如果假设是错误的呢？what if the grand truth is not true? 比如假设A 和 A是类似的，喜欢 A 的用户也会喜欢 A，但是实际上用户只能在 A 和 A之间选择一个呢，这时候向购买了 A 的顾客再推荐 A就不合适了. 比如用户已经买了钻戒用来求婚, 那么再推荐钻戒就不好了. 但是如果用户买了啤酒, 那再推荐一些啤酒也很好啊, 因为啤酒很快就喝完了... 维基百科上讲算法的文章一般都写得不怎么样
ng
kNN是一个有监督的分类算法，目的是把给定的数据的类型确定出来。具体做法是通过把给定数据与已知训练集中的数据之间计算距离（欧氏距离，曼哈顿距离。。。）来找出距离给定数据 X 最近的 k 个数据，然后取这 k 个数据中出现最多的分类作为 X 的分类，如果给定数据的维度是两维的话，在平面笛卡尔坐标系里表示出来就是这样的