一...AI（人工智能）
二.机器学习--是人工智能实现的途径
三.深度学习--是机器学习的一个方法
1.机器学习能做什么：
1.1 传统预测
1.2 图像识别
1.3 自然语言处理（nlp）
2.数据集包含：特征值 + 目标值
3.机器学习分为：监督学习 、非监督学习、半监督学习
4.机器学习开发流程：
4.1 获取数据
4.2 处理数据
4.3 特征工程
4.4 算法模型-- 模型
4.5 模型评估
4.6 应用
基础书籍：机器学习 -"西瓜书"- 周志华 统计学习方法 - 李航 深度学习 - "花书"
5.数据集：
5.1.sklearn
sklearn.datasets
load_ * 获取小规模的数据集 sklearn.datasets.load_iris()
fetch_ * 获取大规模的数据集
sklearn.datasets.fetch_20newsgroups(data_home=None,subset='train')
数据集的返回值
datasets.base.Bunch（继承自字典）
dict["key"] = values
bunch.key = values
5.2.kaggle
5.3.UCI
5.4数据集的划分：
训练集：用于训练，构建模型
测试集：在模型检验时使用，用于评估模型是否有效，20%~30%
sklearn.model_selection.triain_test_split(arrays, *options)
训练集特征值，训练集目标值，测试集特征值，测试集目标值
x_train,x_test,y_train,y_test
6.特征的提取
sklearn.feature_extraction
6.1 字典特征提取 - 类别--》one-hot 编码
sklearn.feature_extraction.DictVectorizer(sparse=True,...)
矩阵 matrix 二维数组
向量 vector 一维数组
6.2 文本特征提取
单词 作为 特征
句子、短语、单词、字母
特征：特征词
方法1：CountVectorizer
统计每个样本特征词出现的个数
stop_words停用的
停用词表
关键词：在某一个类别的文章中，出现的次数很多，但是在其他类别的文章当中出现很少
方法2：TfidfVectorizer
TF-IDF - 重要程度
TF - 词频（term frequency，tf)
IDF - 逆向文档频率
6.3 特征预处理
无量纲化
归一化：会有异常值影响大小
标准化：(x - mean) / std
标准差：集中程度
应用场景：在已有样本足够多的情况下比较稳定，适合现代嘈杂大数据场景。
- 特征降维
7.1降低维度
维数：嵌套的层数
0维 标量
1维 向量
2维 矩阵
3维
n维
二维数组：
此处的降维：降低特征个数
效果：消除特征与特征之间的相关性
主成分分析(PCA)
sklearn.decomposition.PCA(n_components=None)
n_components
小数 表示保留百分之多少的信息
整数 减少到多少特征