【scikit-learn】使用scikit机器学习的介绍

英文原地址：点击打开链接

机器学习：问题设置

    一般来说，学习问题考虑了一组n个数据样本，然后尝试测试未知数据的属性。如果每个样本多于单个数字，并且例如多维条目（也称为多变量数据），则称其具有多个属性或者特征。

我们可以把学习问题分为以下几大类：

·监督学习，其中数据中有我们想要预测的附加属性。数据的预测来自于对已有的数据进行分析，进而对新增的数据进行预测。可以分为以下两类：

·分类：样本属于两个或者更多个类，我们想从已经标记的数据中学习如何预测为标记数据的类别。

·回归：如果期望的输出由一个或者多个连续变量组成，则该任务称为回归。

·无监督学习，其中训练数据由一系列没有标签的数据组成，目的就是发现这组数据中的相似性，也称作聚类；或者用来发现数据的分布情况，称为密度估计；或者从高维数据投影到维数更低的二维或者三围，以进行可视化。

训练数据集和测试数据集

机器学习就是通过学习一组数据集的某个属性，并将其应用一组新的数据。这就是为什么机器学习中评估算法的一种常见做法是将手上的数据分成两组，一组我们称之为训练集，我们在其中学习数据属性，我们称之为测试集，我们在其中测试这些属性。