寫在前面：這一個多月都在學習python,從python3基礎、python爬蟲、python數據挖掘與數據分析都有接觸，最近看到一本機器學習的書（主要是學習相關算法）

於是就打算來做這份機器學習的筆記，筆記主要來源是《機器學習實戰》以及網上一些博客資料和自己的理解，主要做我個人學習所用，初學者水平有限，文中難免有

紕漏和疏忽的地方，在此若有錯誤，還請不吝賜教，謝謝！

機器學習算法分為有監督學習和無監督學習。

這本書前兩部分介紹的是有監督學習，第三部分介紹的是無監督學習（也稱聚類）。

有監督學習有兩種功能，一種是分類（本書第一部分介紹），一種是回歸預測（本書第二部分介紹）。

這樣就對這本書的思路有了一個總體把握。

本書涉及算法包括：k-近鄰算法（KNN）、決策樹、樸素貝葉斯、Logistic回歸、支持向量機（SVM）、AdaBoost算法、k-均值聚類算法（k-means）、Apriori算法、PCA等。

另外，本書是通過“原理簡述+問題實例+實際代碼+運行效果”來分別介紹每個算法的，

原書代碼在Python2中實現，本系列文章會對其進行部分修改，使其能在Python3中運行，且代碼側重幫助加深理解算法原理。

機器學習實戰筆記（python3實現）01--概述