《Python数据挖掘与机器学习实战》—1.8 本 章 小 结

1.8  本 章 小 结

　　在开始学习Python数据挖掘之前，先要搞清楚人工智能、机器学习、深度学习、数据挖掘和数据分析等概念。人工智能的研究领域在不断扩大，各个分支主要包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。那么如何实现这种人工智能的智慧呢？这就需要机器学习了。

　　机器学习是关于理解与研究学习的内在机制，建立能够通过学习自动提高自身水平的计算机程序的理论方法的学科，是一种实现人工智能的方法。近年来，机器学习理论在诸多应用领域得到了成功的应用与发展，已成为计算机科学的基础及热点之一。采用机器学习方法的计算机程序被成功应用于语音识别、信用卡欺诈监测、自主车辆驾驶和智能机器人等应用领域。除此之外，机器学习的理论方法还被用于大数据集的数据挖掘这一领域。实际上，在任何可以积累经验的行业，机器学习方法均可发挥作用。

　　本章对机器学习的概念进行了解释，介绍了机器学习的主要任务，学习机器学习的原因，以及使用Python语言进行机器学习开发的原因。此外，本章还详细介绍了Python语言的优势，介绍了6种Python开发工具，分别是IDLE、IPython、PyCharm、Jupyter Notebook、Anaconda和Spyder，并且对它们的特点进行了总结，而本书选择Anaconda和Spyder作为开发工具。