教你如何成为数据科学家（四）

ML是最近很热的东东，从百度到google，互联网大佬纷纷加大投入和人才的争抢。

原作者的第四步也和ML相关。

Machine
Learning

What is ML? 什么是机器学习

Numerical Var 数值变量

Categorical Variable 分类变量

Supervised Learning 监督学习

Unsupervised Learning 无监督学习

Concepts, Inputs & Attributes
概念，输入，属性

Training & Test Data 训练&测试数据

Classifier 分类

Prediction 预测

Lift lift（数据挖掘中的评判方式）

Overfitting 过度拟合

Bias & Variance 偏差和方差

Trees & Classification 树和分类

Classification, Classification Rate 分类。分类率

Decision Trees 决策树

Boosting 促进（机器学习中的名词）

Naïve Bayes Classifiers 贝叶斯分类器

K-Nearest Neighbor K-邻近

Logistic Regression 逻辑回归

Regression, Ranking 回归，排名

Linear Regression 线性回归

Perceptron 感知器

Clustering, Hierarchical
Clustering 聚类，层次聚类

K-means Clustering K-means聚类

Neural Networks 神经网络

Sentiment Analysis 情感分析

Collaborative Filtering 协同过滤

Tagging 标签

这部分内容，如果不是以前学过的话，相对而言会比较难以理解一点，这里推荐一下
Machine Learning Andrew Ng coursera上的开放课程

https://www.coursera.org/course/ml

这是一个非常好的入门教程