[UPDATE]2

Author: Exrick

1.机器学习基础/1.3 机器学习算法的几大分类/1.3 机器学习算法的几大分类.md

@@ -18,10 +18,10 @@
 
         ![timg.jpg](https://i.loli.net/2018/08/02/5b6310288c614.jpg)
         - 例如淘宝用户随着浏览购买商品产生的数据我们可以对顾客数据进行分析分成许多类别
-    - 非监督学习的作用：降维，方便可视化
+    - 非监督学习的作用一：降维，方便可视化
         - 特征提取：扔掉无关的特征
-        - 特征压缩：不扔掉任何特征，从中提取部分特征也可正确得出结果，提高运行效率。即尽量少损失信息，将高维特征向量压缩为低维特征向量
-    - 非监督学习的作用：异常检测
+        - 特征压缩(PCA算法)：不扔掉任何特征，从中提取部分特征也可正确得出结果，提高运行效率。即尽量少损失信息，将高维特征向量压缩为低维特征向量
+    - 非监督学习的作用二：异常检测
 
     ![QQ截图20180803000338_副本.png](https://i.loli.net/2018/08/03/5b632bb3de3e2.png)
 
@@ -33,13 +33,34 @@
 
 - 增强学习
 
+    ![QQ截图20180905214010_副本.png](https://i.loli.net/2018/09/05/5b8fdd3427b16.png)
+
+    - AlphaGo、无人驾驶都是增强学习的应用，监督学习、半监督学习依然是基础
+
+### 其他分类
+
+- 批量学习（离线学习）
+    - 一次性批量将数据喂给算法(填鸭式学习)，训练后的模型不再变化
+    - 优缺点：简单，但如果要适应新环境变化需要重新批量学习，由于运算量巨大，例如在股市每时每刻都在变化，这种情况显然不可行
+- 在线学习
+    - 输入样例后马上能得到正确的结果(股市)，再根据得到的结果改进机器学习算法。即循环学习，不断修正优化模型
+    - 优缺点：能及时反映新环境变化，但新数据是好是坏(异常数据?)，因此需要对异常数据进行检查(非监督学习应用)
+- 参数学习
+    - 假设线性关系，例如最简单的 `f(x)=ax+b`，机器学习的本质就是找到最优的参数a和b(基本的线性回归)，一旦通过大量数据集学到参数后，数据集即没用了。
+- 非参数学习
+    - 不对模型进行过多假设，但不代表没参数，区别于参数学习，不对问题建模，不把问题理解为学习参数
+
 ### 相关概念
 - 监督学习（supervised learning）：分类和回归
 - 无监督学习（unsupervised learning）：聚类
 - 聚类（clustering）：把训练集中的对象分为若干组
 - 半监督学习(Semi-Supervised Learning)：使用大量的未标记数据，同时使用标记数据，来进行模式识别工作
 - 增强学习（Reinforcement Learning）：解决一个能感知环境的自治
 agent，怎样通过学习选择能达到其目标的最优动作问题。
+- 批量学习（Batch Learning）：一次性批量输入给学习算法，可以被形象的称为填鸭式学习
+- 在线学习（Online Learning）：按照顺序，循序的学习，不断的去修正模型，进行优化
+- 参数学习（Parametric Learning）：假设可以最大程度地简化学习过程，与此同时也限制可以学习到是什么。这种算法简化成一个已知的函数形式
+- 非参数学习（Nonparametric Learning）：不对目标函数的形式作出强烈假设的算法。通过不做假设，它们可以从训练数据中自由地学习任何函数形式
 ---
 
 - 作者：Exrick

1.机器学习基础/1.3 机器学习算法的几大分类/screenshot/QQ截图20180905214010_副本.png

@@ -0,0 +1,28 @@
+# 2.1 Python3的安装
+
+> 由于Pyhton2相对过时，建议安装使用python3版本
+
+### Windows或mac安装
+
+- [官网下载](https://www.python.org/downloads/)
+
+- 踩坑提醒 提醒时间2018年9月1日 建议请[下载3.6.6版本](https://www.python.org/downloads/release/python-366/)，请勿下载最新3.7，避免不兼容，打开3.6.6版本网页后滑至底部可看到各版本，根据你系统选择下载
+
+    ![QQ截图20180904233717.png](https://i.loli.net/2018/09/04/5b8ea6ceb3f88.png)
+
+- 记得勾选添加环境变量，避免手动添加
+
+    ![QQ截图20180904235947.png](https://i.loli.net/2018/09/05/5b8eac091d59a.png)
+
+- 接下来一路下一步安装即可
+- 完成后打开命令窗口输入执行 `python` 即可看到当前安装pyhton版本说明安装成功
+
+### Linux安装
+
+- 待更新
+
+---
+
+- 作者：Exrick
+- Github地址：https://github.com/Exrick/Machine-Learning
+- 版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处。

2.机器学习相关工具安装与使用/2.1 Python3的安装/2.1 Python3的安装.md

@@ -0,0 +1,76 @@
+# 2.1 相关IDE的安装与使用
+
+- 介绍一下常用编译器的安装，不必每个都安装，本学习笔记主要使用到Jupyter Notebook
+
+### Jupyter Notebook的安装与使用
+
+> Jupyter Notebook是一个开源Web应用程序，允许您创建和共享包含实时代码，方程式，可视化和叙述文本的文档。用途包括：数据清理和转换，数值模拟，统计建模，数据可视化，机器学习等等。
+
+- [官网安装教程](http://jupyter.org/install)
+
+- 只需要使用python安装该库即可
+
+```
+python -m pip install --upgrade pip #更新pip
+python -m pip install jupyter #安装jupyter
+```
+其他Python3版本安装
+```
+python3 -m pip install --upgrade pip #更新pip
+python3 -m pip install jupyter #安装jupyter
+```
+- 安装完成后执行命令 `jupyter notebook` 即可运行自动打开Web
+
+- 由于notebook可对历史代码进行修改或执行、单元格操作、编辑Markdown、导出等强大功能，本学习笔记主要主要使用该编译器，当然具体使用方法或快捷键自行搜索，菜单栏上工具有什么用请自行尝试使用了解，以后用到的地方也会提到一些。
+
+- 新建一个notebook，选择内核语言
+
+![QQ截图20180905000934_副本.png](https://i.loli.net/2018/09/05/5b8eafee6da67.png)
+
+- 输入代码使用快捷键 Shift + Enter 或点击运行Run按钮执行
+
+![QQ截图20180905002137_副本.png](https://i.loli.net/2018/09/05/5b8eb1f0e1030.png)
+
+- 快捷键或帮助文档查看
+
+![QQ截图20180905233038_副本.png](https://i.loli.net/2018/09/05/5b8ff7db3cc99.png)
+
+- 高级魔法命令的使用
+
+    - `%run`：运行本地其他脚本文件，示例：`%run hello.py`
+    - `%timeit`：测试查看运行时间，示例：`%timeit L = 1`，多次循环测试取平均值
+    - `%time`：只取一次测量时间
+    - 查看所有魔法命令 `%lsmagic`
+    - 相应魔法命令文档 加问号即可 `%run?`
+
+    ![QQ截图20180905235640_副本.png](https://i.loli.net/2018/09/05/5b8ffce1e1bc3.png)
+
+### PyCharm的安装
+
+- 使用pyhton开发的小伙伴应该不会陌生，JetBrains旗下产品
+
+- [官方下载地址](https://www.jetbrains.com/pycharm/download/#section=windows)
+
+- 下载Professional专业版的话自己去找激活方法
+
+- 安装使用问题具体百度
+
+### Anaconda的安装
+
+- 截至目前2018年9月5日，Anaconda版本5.2
+
+- [官方下载地址](https://www.anaconda.com/download/)
+
+- 选择Python 3.6 version版本
+
+- [官网安装教程](http://docs.anaconda.com/anaconda/install/windows/)
+
+![QQ截图20180905102714.png](https://i.loli.net/2018/09/05/5b8f3f292314b.png)
+
+- 安装使用问题具体百度
+
+---
+
+- 作者：Exrick
+- Github地址：https://github.com/Exrick/Machine-Learning
+- 版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处。