使用Python编写机器学习入门教程

1.当输入变量和我们尝试去预测的输出变量之间是线性相关时,或者当解释模型的能力很重要时(例如,隔离任何一个输入变量对于预测的影响),逻辑回归对于二进制分类是比较合适的选择。2.决策树和随机森林是非线性模型,可以被用来很好地计算更复杂的关系,但是它不太适用于处理人类行为理解。3.适当地评估模型性能很重要,验证你的模型在之前未见过的数据上表现是否良好。4.产品化一个机器学习模型牵涉许多考虑因素,不同于模型开发过程中的那些考虑因素:例如,如何同步地计算模型输入?每次得分时你需要记录什么信息?你如何确定生产环境下模型的性能?机器学习是我们日常接触到的许多产品的长期发展动力,从类似于Apple的