Chap2 监督学习 使用SVM进行图像识别 SVM通过选择分享不同样例的最宽分割超平面来进行分类处理。 通过使用非线性平面，例如 polynomial 或 rbf(radial basis function) 核函数将样本映射

Chap4 特征处理 本章主要学习： 特征抽取：将现实世界的数据构建为sklearn中可用的特征数据 特征选择：从可用的特征数据中，选择适当的特征集。 模型选

Chap1 介绍 任何机器学习问题可以描述为以下三个概念： - 需要学习如何解决的任务为T。 - 为解决该任务所需要的经验为E。 - 度量解决任务执行效果的P。 线性

1 2 3 %matplotlib inline import numpy as np import matplotlib.pyplot as plt SciKit 本章主要讨论： Scikitimage：比`scipy.ndimage`更强的图像处理模块。 Scikitlearn

1 2 3 #%matplotlib notebook %matplotlib inline import matplotlib.pyplot as plt SciPy SciPy以NumPy的数组计算处理功能为基础，提供了用于处理科学计算常用的方法：积分、取函数最大、最小值，取稀疏矩