机器学习(一)

最新推荐文章于 2023-01-02 10:26:14 发布

Xahoo！

最新推荐文章于 2023-01-02 10:26:14 发布

阅读量214

点赞数

分类专栏： Python 文章标签：机器学习深度学习

本文链接：https://blog.csdn.net/Owen_goodman/article/details/108283399

版权

Python 专栏收录该内容

35 篇文章 3 订阅

订阅专栏

1 简单介绍机器学习

1.2 什么是机器学习

1.2.1 定义

机器学习是从历史数据中自动分析(学习)，获得模型(规律)，并利用模型对未知数据进行**预测(结果)**的过程。

学习–>规律–>预测

1.2.2 数据集的构成

数据集就是所谓的 历史数据

数据集一般由特征值和目标值构成，数据集可以没有目标值。

1.3 机器学习算法分类

1.3.1 监督学习

目标值：类别(离散型数据) ==》分类算法 ==》（天气阴雨晴等，人脸识别）

目标值：连续型的数据(具体的数据) ==》回归算法 ==》（天气温度具体的温度数值）

1.3.2 无监督学习

目标值：无目标值 ==》聚类算法

1.4 机器学习开发流程

1 获取数据

2 数据处理：处理缺失值，错乱数据

3 特征工程：训练数据和测试数据。将数据处理成能被算法直接使用的数据。

4 机器学习算法训练：得到模型

5 模型评估：如果效果不好，需要返回到2,3,4，进行处理，循环处理直到效果满意。

2 介绍数据集

2.1 数据集

###2.1.1 可用数据集

学习阶段可用数据集：

1 sklearn

2 kaggle

3 UCI

2.1.2 sklearn数据集

1 sklearn数据集API介绍：

sklearn.datasets

加载获取流行数据集方法：

datasets.load_*()：获取小规模数据集，数据包含在datasets里面

datasets.fetch_*(): 获取大规模数据集，需从网上下载，函数的第一个参数是data_home，表示数据集下载的目录，默认是 ~/scilit_learn_data/

sklearn小数据

sklearn.datasets.load_iris()：加载并返回鸢尾花数据集

sklearn.datasets.load_boston()：加载并且返回波士顿房价数据集

sklearn大数据集

sklearn.datasets.fetch_20newsgroups(data_home=None,subset=“train”)

subset:“train"或者"test”, “all”, 可选，选择要加载的数据集。训练集的"训练"，测试集的"测试"，两者的全部

2.1.3 sklearn数据集的使用

以鸢尾花数据集为例，sklearn数据集的返回值介绍

load和fetch返回的数据类型 **datasets.base.Bunch **字典格式(继承自字典)

data：特征值数组，是[n_samples*n_features]的二维 numpy.ndarray数组

target: 目标值，标签数组，是n_samples的一维 numpy.ndarray 数组

DESCR：数组描述

feature_names: 特征名，新闻数据，手写数字，回归数据集

target_names: 目标值-标签名

datasets.base.Bunch(字典格式(继承自字典)

格式：

dict[“key”] = values (继承自字典的索引)

特有格式：

bunch.key = values (.模式)

2.1.4 数据集的划分

机器学习一般的数据集会分为两个部分：

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% 75%

测试集：30% 20% 30%

数据集划分API

sklearn.model_selection.train_test_split(arrays,*options)

传参：

x：数据集的特征值

y：数据集的标签值(目标值)

test_size：测试集的大小，一般为float(0.2)

random_state：随机数种子，不同的种子会造成不同的随机采样结果，相同的种子采样结果相同

return：训练集特征值，测试集特征值，训练集目标值，测试集目标值

return:：x_train，x_test，y_train，y_test

代码:

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
def datasets_demo():
    """
    sklearn 数据集使用
    :return:
    """
    # 获取数据集
    iris = load_iris()
    print("鸢尾花数据集：\n", iris)
    print("查看数据集描述：\n", iris["DESCR"])
    print("查看特征值的名字：\n", iris.feature_names)
    print("查看特征值：\n", iris.data, iris.data.shape)
    print("查看目标值：\n", iris.target)
    print("查看目标值的名字：\n", iris.target_names)

    # 数据集的划分
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=22)
    print("训练集的特征值：\n", x_train, x_train.shape)
    print("训练集的目标值：\n", y_train, y_train.shape)

    return None
datasets_demo()