最近刚入手了陈强的《机器学习及python应用》，准备有时间就看一页，把笔记和想法写下来，以便自己复习和网上大佬指点迷津。
陈强大佬在前言里说的话让我激动与欣慰，作为一个在一个普通一本学校的刚读研一的菜鸟，第一次认识机器学习是在一次组会上一个本科学弟发表的论文，当时让我大为震撼和激动，没想到经济学也可以与计算机甚至人工智能相结合，一直受他人“经济学就是文科人在讲故事”非议之苦的我顿时觉得这就是经济学未来的方向，但又有所迷茫，我能否掌握这门看似高深的学问呢？陈强大佬的话让我惊喜，我并不是少数关注机器学习的经济人！他的话鼓舞了我，因此我决定，即使机器学习并不是我目前的方向，但是我也要把它当做重要的知识去学习。不仅是兴趣，更是一个经济学萌新对跳上更高水平的台阶的渴望。
希望自己能够坚持下去，有空就写一写，哪怕一个知识点也好，直到学完为止，然后用它来发一篇文章，给自己的努力一个交代
机器学习是指让计算机具备从大数据中学习的能力的一系列方法。机器学习源于人工智能(artificial intenlligence,AI).
（1）硬编码和学习：
硬编码是指人类直接把规则告诉计算机，计算机根据这些死规则处理数据。
比如利用计算机进行垃圾邮件分类，人们可以通过设置含有“抽奖”等字眼的短信为垃圾信息，计算机就会把含有关键词的短信自动列为垃圾短信。但这种硬编码做法并不高效，因为很多垃圾短信的内容五花八门。
学习则是人类将数据交于计算机自行判断，计算机通过自己学习大量数据从而总结出结果。
比如实现将标注为“垃圾短信”和“正常短信”的短信输入电脑，电脑根据大数据中“垃圾短信”中特征出现频率来总结哪些关键词是“垃圾短信”的关键词，一个垃圾邮件通常包涵很多关键词，这时候通常可以使用数学方法，如“朴素贝叶斯”，通过垃圾邮件的一个特征，算出该短信为垃圾短信的条件概率，再将各种特征综合起来，算出短信为垃圾短信的概率，加入概率超过临界值（如0.9），则将该短信列为垃圾短信。这种方法就叫“贝叶斯垃圾邮件过滤”
（2）大数据与机器学习
机器学习通过大数据来进行学习，显然数据越多，机器学习的效果越好，并且数据可以根据时间动态更新。
学习书目：陈强《机器学习及python应用》
