**
机器学习、深度学习能做什么
**
传统预测:店铺销量预测、量化投资、广告推荐、企业客户分类、SQL语句安全检测分类
图像识别:街道交通标志检测、人脸识别
自然语言处理:文本分类、情感分析、自动聊天、文本检测
**机器学习算法分类
监督学习:预测**
定义:输入数据是由输入特征和目标值所组成,函数的输出可以是一个连续的值,称为回归;也可以是一个离散的值,称为分类
分类:k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
回归:线性回归、岭回归
无监督学习
定义:输入数据是由输入特征值组成
聚类:k-means
数据集的划分
机器学习一般的数据集会划分为两个部分:
训练数据:用于训练,构建模型
测试数据:在模型检验时使用,用于评估模型是否有效
划分比例:
训练集:70%、80%
测试集:30%、20%
**
特征工程介绍
**
为什么需要特征工程
数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已
什么是特征工程
特征工程是使用专业背景知识和技巧处理数据,使得特征能在机器学习算法上发挥更好的作用的过程
意义:会直接影响机器学习的效果
特征工程的位置与数据处理的比较
pandas:一个数据读取非常方便以及基本的处理格式的工具
sklearn:对于特征的处理提供了强大的接口
特征工程包含内容:
特征抽取/特征提取
特征预处理
特征降维
特征提取
**
什么是特征提取
1 将任意数据(如文本或图像)转换为可用于机器学习的数字特征
注:特征值是为了计算机更好的去理解数据
字典特征提取(特征离散化)
文本特征提取
图像特征提取(深度学习再介绍)
特征预处理
什么是特征预处理
通过一些转换函数,将特征数据转换成更适合算法模型的特征数据的过程
数值数据的无量纲化:
归一化
标准化
为什么要进行归一化/标准化?
特征的单位或者大小相差较大,或者某特征的方法相比其他的特征要大出几个数量级,容易影响(支配)目标结果,使得一些算法无法学习到其它的特征
归一化
定义
通过对原始的数据进行变换把数据映射到 默认为[0,1]之间
如果有异常值会有什么影响
异常值:最大值,最小值
归一化总结
注意最大值最小值是变化的,另外,最大值与最小值非常容易受到异常值影响,
所以这种方法鲁棒性较差,只适合传统精确小数据场景
标准化
1 定义
通过对原始数据进行变换把数据变换到均值为0,标准差为1的范围内
对于归一化来说:如果出现异常点,影响了最大值和最小值,name结果显然会发生改变
对于标准化来说,如果出现异常点,由于具有一定数据量,少量的异常点对于平均值的影响不大,从而方差改变较小
标准化总结
在已有样本足够多的情况下比较稳定,适合现代嘈杂大数据场景