不能错过！初学者三种类型机器学习必看指南

全文共5835字，预计学习时长16分钟

用Yellowbrick可视化KMeans

机器学习问题一般可以分为三种类型，包括被称为监督学习的分类和回归，和无监督学习，无监督学习在机器学习中通常是指聚类。

本文将简要介绍这三个问题，并在流行的python库scikit-learn中演练。

在开始之前，先简要解释监督和无监督学习术语的含义。

监督学习:在监督学习中，有一组已知的输入（特征）和一组已知的输出（标签）。一般把输入特征和输出标签叫做X和y。该算法的目标是学习将输入映射到输出的映射函数。从而当给出新的X示例时，该机器可以正确地预测相应的y标签。

无监督学习:在无监督的学习中，只有一组输入（X），没有对应的标签（y）。该算法的目的是在数据中找到之前未发现的规律。这些算法常常被用来寻找X的类似样本的有意义的聚类，因此实际上可以找到数据的内在类别。

图源：pexels

1. 分类

在分类中，输出(y)是类别。类别可以只有两种，比如说可以把邮件分成垃圾邮件和非垃圾邮件。类别也可以有很多种，例如对花的种类进行分类，这被称为多类分类。

接下来用scikit-learn来举一个关于分类的简单例子。如果您尚未安装scikit-learn，可以通过pip或conda安装。

Scikit-learn有许多可以通过库直接访问的数据集。在本文中为了方便，整个过程中使用的数据集都是这些示例数据集。下面使用属于多类分类的葡萄酒数据集来说明分类问题。在数据集中，输入（X）包含13个与每种葡萄酒类型的各种属性相关的特征。已知的输出（y）是数据集中已经给出的用数字0，1或2代表的葡萄酒类型。

本文中使用的所有代码的导入如下所示。

import pandas as pd

import numpy as npfrom sklearn.datasets import load_wine

from sklearn.datasets import load_bostonfrom sklearn.model_selection importtrain_test_split

from sklearn import preprocessingfrom sklearn.metrics import f1_score

from sklearn.metrics import mean_squared_error

from math import sqrtfrom sklearn.neighbors import KNeighborsClassifier

from sklearn.svm import SVC, LinearSVC, NuSVC

from sklearn.tree import DecisionTreeClassifier

from skle