人工智能 之 机器学习---初学笔记

1---基本概念：

• Machine Learning：A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
• 对于某给定任务T及合理的性能度量p,某计算机程序在T上以P衡量的性能随着经验E 自我完善。那么我们称这个计算机程序在从经验E学习。
• 简单的讲，机器学习就是让计算机程序利用已知数据，发现数学模型，然后再使用模型对未知数据进行预测的一门学科。

 

2----机器学习流程:

• 需求理解-》数据收集-》数据预处理-》特征工程-》数据建模

 

3----常见经典机器算法学习：（一句话概括）

• 监督学习：

（1）K-NearstNeighbor（K-近邻算法）

对于一个需要分类的物品A，找出与该物品最相似的k个有已知类别的物品，这k个物品中出现最多的类别即为物品A的类别。（“近朱者赤，近墨者黑”。）

 

（2）线性回归

评估变量之间关系的统计过程，即当自变量发生改变时因变量如何发生改变，评估的自变量与因变量之间是一种线性关系。

 

（3）逻辑回归

处理因变量为分类变量的回归问题，处理二分类或者多分类问题，实际为一种分类方法。

 

（4）支持向量机

对数据进行二分类，目标是寻找一个超平面对样本进行间隔最大化的分割。

 

（5）决策树

对样本数据进行树形分类，由节点和有向边组成。

 

（6）朴素贝叶斯

基于概率论的分类方法。“朴素”即做了样本的特征之间相互独立的假设。

 

• 非监督学习：

（1）K-Means（K-均值）

最基础常见的聚类算法，即由质心决定形成簇，反复计算直到质心不再变化或变化范围达到指定的阈值。

（聚类是在事先并不知道任何样本类别标签的情况下，通过数据之间的内在关系把样本划分为若干类别，使得同类别样本之间的相似度高，不同类别之间的样本相似度低。）

 

（2）PCA

利用降维的思想，把多指标转化为少数几个综合指标。

（3）Apriori

关联分析方法，先验算法。

如果某个项集是频繁项集，那么它所有的子集也是频繁的

 

4---jupyter notebook使用问题及解决：

（1）plt.show()没有出现图像而是输出<Figure size ... with 5 Axes>

解决办法：添加----%matplotlib inline