DataWhale集成学习-Task1

记录 DataWhale集成学习的组队学习过程，Task1是熟悉机器学习的三个任务，属于入门级的知识。我们知道，根据样本有无标签，传统机器学习可以分为有监督学习（样本有标签）和无监督学习（样本无标签）。
有监督学习中的带标签数据集可表示为： D = { ( x 1 , y 1 ) , ( x 2 , y 2 ) ⋯ ( x m , y m ) } D=\{(\boldsymbol{x_1},y_1),(\boldsymbol{x_2},y_2)\cdots(\boldsymbol{x_m},y_m)\} D={(x1​,y1​),(x2​,y2​)⋯(xm​,ym​)}，其中 ${\mathbf{x}}_{\mathbf{i}}\in {\mathbb{R}}^d$，表示样本的维度为 d。根据标签 y的类型，有监督学习又可以分为两类： $y\in \mathbb{R}$时称作回归问题； $y\in \mathbb{N}$时为分类问题。
无监督学习就是数据集是无标签的，如： D = { x 1 , x 2 ⋯ x m } D=\{\boldsymbol{x_1},\boldsymbol{x_2}\cdots\boldsymbol{x_m}\} D={x1​,x2​⋯xm​}，其中 ${\mathbf{x}}_{\mathbf{i}}\in {\mathbb{R}}^d$，对于无标签问题，需要从特征本身进行挖掘。

回归数据集

以Boston房价数据集为例子，给出了回归问题的实例

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn import datasets

boston = datasets.load_boston() # sklearn子代的数据集，直接导入即可。
X = boston.data #特征
y = boston.target #数值型标签
features = boston.feature_names #特征的名字
boston_data = pd.DataFrame(X,columns=features) #创建DataFrame
boston_data["Price"] = y

sns.scatterplot(boston_data['CRIM'],boston_data['Price'],alpha=0.5)#使用seaborn画散点图，这里画的是犯罪率和房屋价格的关系。
plt.show()

分类数据集

以iris数据集为例子，给出了分类问题的实例。

iris = datasets.load_iris()
X = iris.data #特征
y = iris.target #标签
features = iris.feature_names
iris_data = pd.DataFrame(X,columns=features)
iris_data['target'] = y

marker = ['s','x','o']
for index,c in enumerate(np.unique(y)):
    plt.scatter(x=iris_data.loc[y==c,"sepal length (cm)"],y=iris_data.loc[y==c,"sepal width (cm)"],alpha=0.8,label=c,marker=marker[c])#sepal length为横坐标，sepal width为纵坐标，画分布图。
plt.xlabel("sepal length (cm)")
plt.ylabel("sepal width (cm)")
plt.legend()
plt.show()

无监督数据集

# 生成符合正态分布的聚类数据
x, y = datasets.make_blobs(n_samples=5000, n_features=2, centers=3)#make_blobs函数用于生成聚类数据集
for index,c in enumerate(np.unique(y)):
    plt.scatter(x[y==c, 0], x[y==c, 1],s=7)
plt.show()