1）安装了Anaconda3，并在PyCharm中使用anaconda部署python环境
2）视频学习笔记
机器学习基本概念：
机器学习分类：
建模的基本过程：
机器学习一般流程：
机器学习算法：
线型回归、rate、Loss、GMM与图像、EM算法、去均值ICA分离、SVM、Crawler爬取数据、HMM分词、LDA、等等
数学知识回顾：
python库：
python基本操作：
3）什么是机器学习，有哪些分类？
机器学习通俗来说是人工智能的一个分支，我们使用计算机设计一个系统，使它能够根据提供的训练数据按照一定的方式来学习；随着训练次数的增加，该系统可以在性能上不断学习和改进；通过参数优化的学习模型，能够用于预测相关问题的输出。
机器学习主要分为有监督学习、无监督学习、半监督学习、以及增强学习
有监督学习：将数据和数据结果标签一并给机器进行训练学习，然后再给它新的数据，得到相应的结果标签。例如对月亮的各种相关信息进行多次的学习，知道了月亮的概念，再看到一个新的东西，便可以判断其是不是月亮
无监督学习：只给机器数据，但是不给数据的结果标签，机器通过分析数据得到某些新的特定的结果。例如在从来没有认识“阅兵”的场景情况下，但是通过对“阅”和“兵”的认识和理解，对两个字进行组合后来描述“阅兵”这个场景。
半监督学习：给机器大量的数据，一部分是有结果标签的，另一部分没有结果标签，通过学习来给没有结果标签的数据打上标签。例如根据用户的爱好来划分社区，但是只有少部分的人提交了自己的爱好，另外大部分的用户没有提交自己的爱好信息，这时候可以通过对少部分人的信息进行学习分析来预测得到大部分用户的爱好信息。
增强学习：机器从原本的状态，自己通过大量的学习训练，然后不断地去优化自己，从而达到某一个目标。例如机器人通过正反馈和负反馈的修正方式，来学习怎么去踢球。