数据分析第六天

1. 数据集的名称： 鸢尾花的数据集
   

机器学习数据集的掌握

1. 什么样的数据集
2. 数据集的行——样本
3. 数据集的列——特征
4. 特征组成的空间——特征或属性空间
5. 组成属性空间的点——特征或属性向量
6. 将数据分成测试集或者训练集
7. 使用训练集加算法解决问题
8. 误差进行校验结果分析
9. 对于非数值的要进行数值转换
10. 如何对二分类进行分类

• 绝对值误差函数
• 平方误差函数
• 训练误差
• 泛化误差
• 性能举证
  • Accuracy 准确率
  • Precsition准确率
  • FRR假正率
  • Recall=Tpr真正率或召回率
  • ROC曲线的AUC指标
  • 

机器学习的基本概念

1. 布尔函数

• C（X）=1，享受运动；C（X）=0，不享受运动，类别便签列
• X样例，所有实例的结合——分类
• 房价的举例——回归

2. 机器学习的步骤

• 把数据切换成训练集和测试集
• 用训练集的特征向量来训练算法
• 把学习用来的算法在测试集里评价算法

机器分类详解

1. 监督学习和无监督学习的区别
   • 监督问题：是否具有连续值得的预测
     • 分类
     • 回归
     • 无监督问题：
       • 聚类：特征之间的相似性
       • 降维：通过机器学习的算法达到降维

半监督学习

1. 连续学习
2. 迁移学习

• 迁移学习可以解决的问题：

3. 主动学习：纯半监督学习