Python的机器学习及实践

1.来自一本书的知识。《Python的机器学习及实践》

什么是机器学习：

研究计算机怎么模拟和实践人类的学习行为。

开始：

2.机器学习的基础

1.机器学习的任务

两个经典的任务：监督学习和无监督学习。（在处理数据和训练模型时有着显著的区别）

 监督学习：利用一组已知类别的样本（即标记的数据）来调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。

• 分类问题：如图像识别中的猫狗分类，模型通过学习标记好的猫狗图片来识别新的图片。
• 回归问题：如房价预测，模型通过学习房屋特征（如面积、位置等）与房价之间的关系来预测新房屋的价格。

无监督学习：指从未标记的数据中发现隐藏的模式和结构，而不是预测输出变量。

• 聚类问题：如客户细分，模型通过分析客户的购买行为等数据，将客户划分为不同的群体。
• 降维问题：如主成分分析（PCA），通过降低数据的维度来简化数据，同时保留数据的主要特征。

2.数据称为经验。

数据的规律称为特征。

3.性能：完成任务的质量指标。