下载掌阅APP，畅读海量书库
立即打开
本章从宏观视角探索了机器学习，并且在全局上介绍了机器学习及其主要概念，后续章节将会更加详细地探讨这些概念。监督学习有两个重要的子领域，即分类和回归。分类模型将样本归类为已知的类别，回归分析可以用来预测数值为连续型的目标变量。无监督学习不仅可以从未标记数据中发现规律，而且还可以用于特征预处理中的数据压缩。
本章还简要地介绍了机器学习应用的典型流程，这个流程为后面章节深入讨论和动手实践奠定了基础。最后，搭建了Python环境，安装并更新了所需的软件包，为运行机器学习的示例代码做好了准备。
除了机器学习算法本身，接下来介绍了数据预处理方法，这些方法将帮助机器学习算法达到最佳的性能。除了概括性地介绍分类算法外，还探索了回归分析和聚类等方法。
我们将迎来一段激动人心的旅程——探讨机器学习这一广阔领域中的许多强大的算法。通过本书各个章节的学习，我们将逐步建立起自己的知识体系，深入地掌握机器学习领域的知识和算法。下一章将通过实现早期的机器学习分类算法开始这段旅程，这也将为第3章做准备，第3章将讨论Scikit-Learn开源机器学习库的高级机器学习算法。