Python机器学习应用Unit 4/5导论：监督学习 -分类学习+回归学习

课源：Python机器学习应用 BIT嵩天，本文作为个人课堂笔记。

监督学习的目标
利用一组带有标签的数据，学习从输入到输出的映射，然后将这种映射关系应用到未知数据上，达到分类或回归的目的。
分类：当输出是离散的，学习任务为分类任务。
回归：当输出是连续的，学习任务为回归任务。

分类学习

输入:一组有标签的训练数据（也称观察和评估），标签表明了这些数 据（观察）的所署类别。
输出：分类模型根据这些训练数据，训练自己的模型参数，学习出一个 适合这组数据的分类器，当有新数据（非训练数据）需要进行类别判断，就 可以将这组新数据作为输入送给学好的分类器进行判断。

分类学习-评价
训练集(training set)：顾名思义用来训练模型的已标注数据，用来建立模型，发现规律。
测试集(testing set)：也是已标注数据，通常做法是将标注隐藏，输送给训练好的模型，通过结果与真实标注进行对比，评估模型的学习能力。
训练集/测试集的划分方法：根据已有标注数据，随机选出一部分数据 (70% )数据作为训练数据，余下的作为测试数据，此外还有交叉验证法， 自助法用来评估分类模型。

分类学习-评价标准
精确率：精确率是针对我们预测结果而言的，(以二分类为例)它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)。

召回率：是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。那也有两种可能，—种是把原来的正类预测成正类(TP)，另一种就是把原来的正类预测为负类(FN)。

例1：假设我们手上有60个正样本，40个负样本，我们要找出所有的正样本，分类算法查找出50个，其中只有40个是真正的正样本，TP：将正类预测为正类数40 ；FN：将正类预测为负类数20 ；FP：将负类预测为正类数10 ； TN：将负类预测为负类数30。
准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN) = 70%
精确率(precision) = 真正样本/预测为正样本 = TP/（TP+FP）= 80%
召回率(recall) = 真正样本/(真正样本+错负样本) = 66.7%

Sklearn vs. 分类 与聚类算法被统一封装在sklearn cluster 模块不同，sklearn库中的分类算法并未被统一 封装在一个子模块中，因此对分类算法的import 方式各有不同。

分类算法的应用
•金融：贷款是否批准进行评估
•医疗诊断：判断一个肿瘤是恶性还是良性
•欺诈检测:判断一笔银行的交易是否涉嫌欺诈
•网页分类:判断网页的所属类别，财经或者是娱乐?
Sklearn提供的分类函数包括:
•k近邻(knn )
•朴素贝叶斯(naivebayes ),
•支持向量机(svm ),
•决策树 (decision tree )
•神经网络模型(Neural networks )等 这其中有线性分类器，也有非线性分类器

回归分析

统计学分析数据的方法，目的在于了解两个或多个变数间是否相关、 研究其相关方向与强度，并建立数学模型以便观察特定变数来预测研究者感兴趣的变数。
回归分析可以帮助人们了解在自变量变化时因变量的变化量。一般来说，通过回归分析我们可以由给出的自变量估计因变量的条件期望。

Sklearn vs.回归 Sklearn提供的回归函数主要被封装在两个子模块中，分别是 sklearn.linearjnodel和sklearn.preprocessingo ；
sklearn.linear_modlel封装的是一些线性函数；
线性回归函数包括有:
•普通线性回归函数(LinearRegression )
•岭回归(Ridge )
•Lasso ( Lasso )
非线性回归函数：
•多项式回归(PolynomialFeatures )则通过 sklearn preprocessing子模块进行调用。

回归应用
回归方法适合对一些带有时序信息的数据进行预测或者趋势拟合；常用在金融及其他涉及时间序列分析的领域：
•股票趋势预测
•交通流量预测