一、机器学习各种算法怎么调参
是指类似于learning rate的参数，还是指theta?
如果是后者用梯度下降法等就可以调参，如果是前者麻烦一点，需要判断一下，也可以可变参数，如果该参数工作效果没有再高过以前的精准度并且过10次（也可以是其它次数），那么就判断该learning rate为最好的。
二、机器学习实战的介绍
《机器学习实战》是2013年由人民邮电出版社出版的书籍，作者是Peter Harrington。图 class=ikqb_img_alink>
三、什么是描述基本加工的逻辑功能的有效工具
决策树是描述基本加工的逻辑功能的有效工具。
决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。
四、在数据分析，挖掘方面，有哪些好书值得推荐
《谁说菜鸟不会数据分析》
《数据分析师-企业的贤内助》
《深入浅出数据分析》
五、怎样零基础学习机器学习深度学习等进行图像处理
1、熟悉图像处理软件ps的所有工具。
2、对色彩的识辨准确。可以现实中拿一个颜色，用ps去调准的一样。
3、训练出略高于大众的审美观、颜色搭配观
4、多在网上看前辈的调色教程。
