一、为什么要学原理和公式推导学习笔记

        1、“机器学习最直接的应用，就是利用模型解决实际业务中的问题”，第一句话让我思考我们人类解决问题的方法：把经验模型化（或者说理论化），在建模的过程中，对事物进行分类。

        2、授人以鱼，不如授人以渔：应用模型，必须掌握原理，主要有两方面原因：1）掌握原理对自己来讲，更加自信，从容面对老板和同事对我们的疑问，我们所作的就是接近最优解。2）适合调优与解决新问题，最终达到自己建模。

二、学习机器学习原理，改变看待世界的方式笔记

        1、这一章感觉上升到哲学的高度，如何从学习机器学习原理定量的分析我们的世界，客观的认识世界，从而掌握世界规律。

        2、这是对上一章的深入，本质上讲，我们将通过建模了解世界，并解决现实中的问题。

三、如何学习“机器学习”笔记

        作为一个零基础的学员，对机器学习学习感到“蒙”，通过本章学习，了解了机器学习的路径。

        1、熟悉模型：以事实（数据）为依据，以规章（算法）为准绳，通过计算来掌握事物的客观规律（模型）。特别是几种常用的模型。

        2、反复学习：先掌握简单的模型编程，必须独立完成，后掌握复杂模型编程，而且必须熟练实际应用到个人工作中。

        3、具备的数学知识。

        4、日常学习记录

四、为什么要学 Python 以及如何学 Python笔记

        1、学习模型后，必须进行编程实践，做到知行合一。Python有大量学习支持库，首选应是Python语言。

        提问：1）、使用那个版本（3.X）为好，2）使用什么样的Python程序编辑器。

        2、编写Python:

        在命令行直接运行：

        函数调用它来运行：

        Class实例调用：

        循环案例：

        数组案例：

        所谓动态就是指变量类型可以在整个程序中随意更改。

         弱类型：允许在编译时自动转换变量类型 ，强类型：不允许在编译时自动转换变量类型。Python是强类型，a=input("Enter anumber")，print(int(a)+1) #如果写print(a+1)就会报错，必须进行强制类型转换。

        写入CSV文件

        读取CSV文件

        开始写第一个机器学习程序

        运行结果：[2]

         程序说明：

          1）sklearn中包含了大量的优质的数据集，要想使用sklearn中的数据集，必须导入datasets模块

          2） iris = load_iris() # 导入数据集

          3）samples = iris.data  #获得特征向量

          4）target = iris.target  #获得样本label

          5）from sklearn.linear_model import  LogisticRegression #定义逻辑回归模型

          6）classifier = LogisticRegression()  #使用类，参数全是默认的 

          7）classifier.fit(samples,target) #训练数据来学习，不需要返回值