python3 机器学习sklearn之简介

1.机器学习简介

机器学习是实现人工智能的手段，其主要研究内容是如何利用数据或经验进行学习 ，改善具体算法的性能

• 多领域交叉，涉及概率论、统计学，算法复杂度理论等多门学科
• 广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用

2.机器学习分类

机器学习一般分为下面几种类别:

• 监督学习 （Supervised Learning）
• 无监督学习 （Unsupervised Learning）
• 强化学习（Reinforcement Learning，增强学习）
• 半监督学习（Semi-supervised Learning）
• 深度学习 (Deep Learning)

3. Python Scikit-learn

• http://scikit-learn.org/stable/
• Machine Leaning in Python
• 一组简单有效的工具集
• 依赖Python的NumPy，SciPy和matplotlib库
• 开源、可复用

4.sklearn库中的标准数据集

4.1数据集总览

4.2波士顿房价数据集

波士顿房价数据集包含506组数据，每条数据包含房屋以及**房屋
周围的详细信息**。其中包括城镇犯罪率、一氧化氮浓度、住宅平均房
间数、到中心区域的加权距离以及自住房平均房价等。因此，波士顿
房价数据集能够应用到回归问题上。

4.2.1波士顿房价数据集

4.2.3波士顿房价数据集-属性描述

4.2.4波士顿房价数据集的使用

使用sklearn.datasets.load_boston即可加载相关数据集
其重要参数为：
* return_X_y:表示是否返回target（即价格），默认为False，只返回data（即属性）。

波士顿房价数据集-加载示例

from sklearn import datasets
boston = datasets.load_boston()