机器学习(4)--算法分类和开发流程

算法是核心，数据和计算是基础

大部分复杂模型的算法设计都是算法工程师在做，就业：

              分析很多的数据

             分析具体的业务

             应用常见的算法

             特征工程、调参数、优化

判断需要使用何种算法：

1. 数据类型：

1）离散型数据：由记录不同类别个体的数目所得到的数据，又称计数数据，所有这些数据全部都是整数，而且不能再细分，也不能进一步提高他们的精确度

2）连续型数据：变量可以在某个范围内取任一数，即变量的取值可以是连续的，如长度，时间，质量值等，这类整数通常是非整数，含有小数部分

【注：记住一点，离散型是区间不可分，连续型是区间内可分】

机器学习模型

定义：通过一种映射关系将输入值到输出值

机器学习算法分类

1. 监督学习（预测）：特征值 + 目标值

           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

           回归：线性回归、岭回归

           标注：隐马尔可夫模型    

2. 无监督学习： 特征值

           聚类：k-means

根据数据类型判断是什么类型，使用什么方法

分类：目标值离散型

回归：目标值连续型

监督学习

定义：可以由输入数据中学 到或建立一个模型，并依此模式推测新的结果。输入数据是由 输入特征值和目标值所组成。函数的输出可以是一个连续的值 （称为回归），或是输出是有限个离散值（称作分类）

无监督学习

定义：可以由输入数据中 学到或建立一个模型，并依此模式推测新的结果。输入数据是 由输入特征值所组成。 

分类问题

概念：分类是监督学习的一个核心问题，在监督学习中，当输出变量取有限个离散值时，预测问题变成为分类问题。最基础的便是二分类问题，即判断是非，从两个类别中选择一个作为预测结果

分类问题的应用：

分类在于根据其特性将数据“分门别类”，所以在许多领域都有广泛的应用

• 在银行业务中，构建一个客户分类模型，按客户按照贷款风险的大小进行分类
• 图像处理中，分类可以用来检测图像中是否有人脸出现，动物类别等
• 手写识别中，分类可以用于识别手写的数字
• 文本分类，这里的文本可以是新闻报道、网页、电子邮件、学术论文 …

回归问题：

概念：回归是监督学习的另一个重要问题。回归用于预测输入变量和输出变量之间的关系，输出是连续型的值。

回归问题的应用：

回归在多领域也有广泛的应用

• 房价预测，根据某地历史房价数据，进行一个预测
• 金融信息，每日股票走向
• …

机器学习开发流程

数据来源：

• 公司购买的数据
• 合作过来的数据
• 购买的数据

建立模型：根据数据类型划分应用种类

原始数据：明确问题是做什么

数据的基本处理：pd去处理数据（缺失值，合并表……）

特征工程：对特征进行处理

算法：找到合适的算法去预测

模型的评估：判定效果（模型 = 数据 + 算法）【效果不好：换算法、参数/特征工程（加减特征）】

上线使用：以API形式提供