学习了一段时间的《机器学习实践》，有所收获，简要总结如下，不甚完善，多多指教。
书中的源码是是基于python2编写的，我手动敲了一遍，每行加了注释，在python3.4.4中调试通过，github链接：https://github.com/ldgang0530/MLA
|
本章提到了几种缺失数据的处理方法： 1，使用可用特征的均值来填补缺失值 2，使用特殊值来填补缺失值 3，忽略有缺失值的样本 4，使用相似样本的均值填补缺失值 5，使用另外的机器学习算法预测缺失值 |
Logistic回归优缺点：
优点：计算代价不高，易于理解和实现。
缺点：容易欠拟合，分类精度可能不高。
适用数据类型：数值型和标称型数据。
示例：从疝气病预测马的死亡率
第6章 支持向量机SVM
SVM，Support Vector Machines。支持向量机就是找到一个分隔超平面，对数据分类。所谓的支持向量就是离分隔超平面最近的那些点。接下来要试着最大化支持向量到分隔面的距离，需要找到此问题的优化求解方法。
在SVM的推导过程中，涉及到了拉格朗日乘法、KKT条件、SMO算法、核函数、松弛变量等等。在此推荐两个博客：
JULY博客：http://blog.csdn.net/v_july_v/article/details/7624837，《支持向量机通俗导论（理解SVM的三层境界）》内有对SVM的较为详细的推导和解释。
关于SMO算法：http://www.cnblogs.com/jerrylead/archive/2011/03/18/1988419.html
支持向量机优缺点：
优点：泛化错误率低，计算开销不大，结果易解释
缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题
适用数据类型：数值型和标称型数据
示例：手写识别问题回顾
第7章 使用AdaBoost元算法提高分类性能
所谓元算法，是对其他算法进行组合的一种方式。
基于数据集多重抽样的分类器
Bagging自举汇聚法，从原始数据集随机选择S次后得到S个新数据集的一种技术，新数据集和原数据集的大小相等，这样同一个样本就肯能会多次重复在新数据集中。然后，使用学习方法对每个数据集得到S个分类器，然后对未知数据进行分类，结果中最多的类别作为最后的分类结果。
Boosting，与bagging技术类似，不同的是不同分类器是通过串行训练而获得的，每个新分类器都根据已训练出的分类器的性能来进行训练。Boosting是通过集中关注被已有分类器错分的那些数据来获得新的分类器。Adaboost是流行的一种boosting方法。
AdaBoost优缺点：
优点：泛化错误率低，易编码，可以应用在大部分分类器上，无参数调整
缺点：对离群点较敏感
适用数据类型：数值型和标称型数据
多个分类器可能会进一步凸显单分类器的不足，比如过拟合问题。
第8章 利用回归预测数值型数据
1，线性回归
所谓线性回归是指将输入项分别乘以一些常量，再讲结果相加得到输出。
线性回归优缺点：
优点：结果易于理解，计算上不复杂
缺点：对非线性的数据拟合不好
适用数据类型：数值型和标称型数据
2，局部加权线性回归
线性回归的一个问题是有可能出现欠拟合，因为它求的是具有最小均方误差的无偏估计。
示例：预测乐高玩具套装的价格