（一）机器学习基础

笔记：机器学习入门专栏笔记对应jupyternotebook以及封装的各种算法个人笔记，如有错误，感谢指出！-机器学习文档类资源-CSDN文库

绪论

什么是机器学习？

最早的机器学习应用-垃圾邮件的分辨

传统计算机解决问题的思路：

• 编写规则，定义“垃圾邮件”，让计算机执行

• 对于很多问题，规则很难定义

• 随着垃圾邮件的变化，规则本身也在不断变化

人类是怎么学习的？

什么是机器学习？

可以把模型理解为f(x)函数，求一个模型可以理解为找到一个函数来满足要求

计算机的优势是他的运算速率高，但需要输入大量的资料（相对于人脑）

生活中的机器学习：

判断信用卡发放是否有风险；谷歌等电商平台的推荐算法；人脸识别，语音识别，金融预测，市场分析

未来需要运用机器学习：

无人驾驶，安全领域，医疗领域金融市场领域，自然语言处理-智能翻译，专业领域

不要把机器学习算法孤立的看待，而应该结合其他领域，应用机器学习算法

本节课的主要内容：

逻辑回归，决策树，随机森林最常用的三种算法，然后是神经网络算法（深度学习基础

学习过程：

深入理解算法的基本原理

实际使用算法解决真实场景的问题

对不同算法进行对比试验

对同一算法的不同参数进行对比试验（调参等）

对部分算法进行底层编写

学会scikit-learn机器学习库的使用

学习目标：

如何评价算法的好坏

如何解决过拟合和欠拟合

如何调节算法的参数

如何验证算法的正确性

关于调库：

要学会连接不同API接口的原理，以及算法的实现过程，知道应该调用哪个接口合适

课程环境：

语言：python3，框架：scikit-learn，其他：numpy,matplotlib，IDE：Jupyter Notebook，pycharm

一，机器学习基础

一，机器学习基础概念：

关于数据：

一般把向量都表示为列向量

特征空间：

• n个特征组成的N维空间叫做特征空间

• 分类任务本质就是在特征空间切分

• 由特殊到一般，化繁为简，由简到繁

特征可以很抽象

• 图像的每一个像素点都是特征，拥有不同的特征值

• 如果是彩色图像，特征更多

二，机器学习的基本任务（监督学习）

分类

回归

1，分类任务：

• 二分类

• 判断邮件是否为垃圾右键

• 判断是否有风险

• 判断石佛恶性肿瘤等

• 多分类

• 数字识别

• 图像识别

• 风险评级

一些算法只支持完成二分类任务

但是多分类任务可以转换为二分类任务

有一些算法天然的可以完成多分类任务

• 多标签分类

根据图片的信息可以将一张图片打上很多标签

2，回归任务：

结果是一个连续数字的值而非一个类别，一般是预测

• 房屋价格

• 市场分析

• 学生成绩

有些算法只能解决回归问题

有些算法只能解决分类问题

还有些算法只能的思路都可以解决

一些情况下回归任务可以简化为分类任务

三，算法分类1

根据算法可以分为：

• 监督学习

• 非监督学习

• 半监督学习

• 增强学习

1，监督学习

给机器的训练数据拥有标记或答案

大部分算法都是监督学习：

k近邻，线性回归和多项式回归，逻辑回归，SVM，决策树和随机森林

2，非监督学习

针对没有标记或答案的数据进行数据的分类-聚类分析

非监督学习的意义：

对数据进行降维处理

• 特征提取：信用卡的信用评级和人的胖瘦无关？（把一些与结果无关的特征去除）

• 特征压缩：PCA主成分分析法（高维->低维）

• 降维的意义是：方便可视化

数据的异常检测

可以去除高维数据的异常的点

3，半监督学习

一部分数据有标记或答案，另一部分没有

常见的是各种原因造成的标记缺失

通常先使用无监督学习手段对数据做处理，之后使用监督学习的手段对模型进行训练和预测。

4，增强学习

根据周围环境的情况，采取行动，根据采取行动的结果，学习行动的方式（奖惩机制）

应用：阿尔法go，无人驾驶，机器人

监督学习和半监督学习是基础

四，算法分类2

在线学习 online learning

批量学习（离线学习）batch learning

1，批量学习

优点：简单，模型一旦生成就不再改变

问题：如何适应环境的变化。因为随着时间的变化，学习的内容是在不断的变化，比如处理垃圾邮件，新类型的垃圾邮件是层出不穷的。模型的有效率会逐渐下降

解决方案：定时重新批量学习，但运算量巨大，环境变化可能非常快

2，在线学习

比如预测股市：输入样例后，输入模型，同时下一分钟就可以知道样例的结果是怎样的，并将这个结果作为正确结果与输出结果进行比较，再重新喂给算法进行模型的训练

优点：及时反映新环境的变化，适用于数据量巨大，完全无法批量学习的环境

问题：新的数据可能带来不好的变化，即所获得的数据可能是有问题的数据

解决方案：需要加强对数据进行监督（监督学习的数据异常检测）

五，算法分类3

参数学习 parametric learning

非参数学习 nonparametric learning

1，参数学习

假设模型函数f(x)的一些参数，比如设f(x)=a*x+b，然后找到合适的a和b

典型的是线性回归

一旦学到了参数就不再需要原有的数据集

2，非参数学习

不对模型进行过多的假设

非参数学习不代表没有参数！

一些思考：

面对不确定的世界，怎么看待机器学习进行预测的结果

数据为王？OR算法为王？

可以严格的数学推导出：任意俩个算法，他们的期望性能是相同的。

具体到某个特定问题，有些算法可能更好

但没有一种算法是绝对的比另一个算法好的

脱离具体问题谈算法好坏是没有意义的

在面对一个具体问题时，要尝试使用多种算法进行比较试验