- 何为机器学习
机器学习就是把无序的数据转换成有用的信息。 - 关键术语
- 属性(特征):从各个方面描述一个事物,这些方面称作属性或者叫特征
- 训练集:用于训练机器学习算法的数据样本集合
- 目标变量:机器学习的结果
- 主要任务
机器学习主要分为监督学习和无监督学习,监督学习必须知道即将预测的标称变量是什么,如分类和回归。无监督学习数据没有类别信息,也不会给定目标值,主要包括聚类,密度估计等。
监督学习:分类和回归,分类主要处理目标变量为标称型(有限个离散型)的任务,回归主要用于预测数值型数据(连续型),例如:数据拟合曲线,通过给定数据点的最优拟合曲线。
无监督学习:聚类和密度估计,聚类指将数据集合分成由类似的对象组成的多个类的过程。密度估计指寻找描述数据统计值的过程。
监督学习的用途 |
---|
算法 | 用途 |
---|---|
k-近邻算法 | 线性回归 |
朴素贝叶斯算法 | 局部加权线性回归 |
支持向量积 | Ridge回归 |
决策树 | Lasson最小回归系数估计 |
无监督学习的用途 |
---|
算法 | 用途 |
---|---|
k-均值 | 最大期望算法 |
DBSCAN | Parzen窗设计 |
算法选择
选择合适的算法,需要考虑两个问题:
一、使用机器学习算法的目的,想要算法完成何种任务,如果想要预测目标变量的值,则可以选择监督学习算法,否则选择无监督学习算法。确定选择监督学习算法后,需要进一步确定目标变量类型,如果目标变量时离散型则可以选择使用分类算法,如果目标变量时连续性的数值,则可以选择回归算法。确定选择无监督学习算法后,进一步分析是否需要将数据划分为离散的组,如果这是唯一的需求则使用聚类算法,如果还需要估计数据与每个分组的相似度,子需要使用密度估计算法。
二、需要分析或收集的数据是什么
主要了解数据以下特性:特征值是离散型变量还是连续性变量,特征值是否存在缺失的值,何种原因造成缺失值,数据中是否存在异常值,某个特征发生的频率等。开发过程
- 收集数据。
- 准备输入数据
- 分析输入数据
- 训练算法
- 测试算法
- 使用算法