小白———机器学习（第一篇）

1.1 机器学习的定义

 机器学习是从数据中自动分析获得模型，并且利用模型对未知数据进行预测。

可想而知，利用机器学习可以大幅度提高学者的学习速度，使机器可以在人类的操作下发挥出更大的作用。

1.1.1 图片直观解释

 

根据此图，我们可以直观看出，在人类延续至今的过程当中，我们惯用的思维是：利用我们日常生活中所积累的种种经验，去归纳总结出一个特有的规律，然后在将一个新的问题代入此规律当中，就可以得到一个预测值，我们可以根据此预测值来进行下一步的具体操作。一些特有的规律很好找，例如：函数关系，数字规律等。可如果输入的是一个指纹信息，又该如何呢？在此基础之上，人们将“人类发现规律并且预测模型 ”的实例运用到机器当中会发生什么呢？

 这样，机器可以帮助人类做一些更加复杂化、精确化的数据处理，并且可以生成更有理论依据的预测模型。

1.2 实例引入

就拿当下较为火热的猫狗识别来说，对于人类来说是非常轻松就可以识别什么是猫什么是狗，可是对于机器呢？

 在计算机的“眼睛”中，这些图片无非都是一个个像素点构成的数字矩阵，那又该如何让计算机按照人类的想法识别出猫狗呢？我们的第一想法可能就是，让计算机进行机器学习，建立出一个关于猫狗的模型，后进行模型与图片比对进而得出结论。那么我们就开始进入正题。

1.3 监督学习与无监督学习

 监督学习（分类与回归）：输入数据有特征有标签，也就是说是有标准答案的。

• （分类 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络）

 无监督学习（聚类）：输入数据是有特征无标签的，也就是说是没有标准答案的。

• （聚类 k-means）

 1.4 机器学习的大概流程

 

2.1 可用数据集介绍

 在机器学习当中，常用的数据集为：scikit-learn、UCI数据集、Kaggle

 scikit-learn网址下载：http://scikit-learn.org/stable/datasets/index.html#datasets

 UCI数据集网址下载：http://archive.ics.uci.edu/ml/

 Kaggle网址下载：Find Open Datasets and Machine Learning Projects | Kaggle

2.1.1 特点介绍

在接下来的学习当中，我们由浅入深，先学习sklearn数据集。

 2.2 sklearn安装 

pip3 install Scikit-learn==0.19.1

 安装之后可以打开Pycharm，输入如下指令，看是否报错（检查是否安装成功）

import sklearn

2.2.1 scikit-learn数据集API介绍 

调用数据集： sklearn.datasets 

其中有两种方法进行获取数据

1. datasets.load_*()  

• 获取小规模数据集，数据包含在datasets里

2. datasets.fetch_*(data_home=None) 

• 获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集下载的目录,默认是 ~/scikit_learn_data/

2.2.2 实际操作（代码） 

from sklearn.datasets import load_iris
# 获取鸢尾花数据集
iris = load_iris()
print("鸢尾花数据集的返回值：\n", iris)
# 返回值是一个继承自字典的Bench
print("鸢尾花的特征值:\n", iris["data"])
print("鸢尾花的目标值：\n", iris.target)
print("鸢尾花特征的名字：\n", iris.feature_names)
print("鸢尾花目标值的名字：\n", iris.target_names)
print("鸢尾花的描述：\n", iris.DESCR)

 输出结果：

 

 

今天的分享就到这，喜欢的可以关注博主~