机器学习基础算法

本文为 AI 研习社编译的技术博客，原标题 ：Machine Learning Basics with the K-Nearest Neighbors Algorithm翻译 | 小哥哥、江舟    校对 | 吕鑫灿    整理 | 志豪原文链接：https://towardsdatascience.com/machi

基础架构（Infrastructure）相比于大数据、云计算、深度学习，并不是一个很火的概念，甚至很多程序员就业开始就在用 MySQL、Django、Spring、Hadoop 来开发业务逻辑，而没有真正参与过基础架构项目的开发。在机器学习领域也是类似的，借助开源的 Caffe、TensorFlow 或者 AWS、Go

本篇内容主要是面向机器学习初学者，介绍常见的机器学习算法，当然，欢迎同行交流。哲学要回答的基本问题是从哪里来、我是谁、到哪里去，寻找答案的过程或许可以借鉴机器学习的套路：组织数据->挖掘知识->预测未来。组织数据即为设计特征，生成满足特定格式要求的样本，挖掘知识即建模，而预测未来就是对模型的应用。特征设计依

选自machinelearningmastery机器之心编译参与：Terrence L、武竞、Xavier Massa感知器算法是最简单的人工神经网络形式之一。感知器是一个单神经元的模型，可以用于两个类别的分类问题，也能为以后开发更大的神经网络奠定基础。在本教程中，你将了解到如何利用 Python 从头开始实现感知器算

关于机器学习，你需要知道的十个基础算法 毫无疑问，作为人工智能的子领域— 机器学习 在过去的几年中越来越受欢迎。由于大数据是目前科技行业最热门的趋势，基于大量的数据机器学习在提前预测和做出建议方面有巨大的潜力。一些有关机器学习常见的例子有：Netflix基于你以前看过的电影再给你做出影片的推荐，