机器学习基础

1. 变量，定量变量，定性变量
   举例：西瓜的色泽，敲声，大小等
   定量：数值型变量
   定性：描述型变量
2. 区分数量变量，区间变量，连续变量，离散变量
   数量变量——离散变量
   区间变量——连续变量：可取值数目不再有限，在一定区间内任意取值。etc:人的身高
3. 区分名义变量，分类变量，定序变量
   定序：文盲半文盲=1，小学=2，初中=3，高中=5……（受教育程度）
   名义变量：性别：男，女（认为划分的多种类别）
   分类变量：有时也称为名义变量
4. 什么是数据？数据和变量之间关系
   关于西瓜的数据（色泽=青绿色，根蒂=蜷缩，敲声=浊响）
5. 什么是观测值，观测值和变量有什么关系
   变量对应的值
6. 模型是什么？
   “从数据中学到的结果”，比如说建立一个关于预测的模型，帮助我们判断没剖开的瓜是不是“好瓜”
7. 构建模型的目的
   遇到新的数据，，可以预测出对应的结果
8. 模型是根据什么来建立的？
   模型是根据已有的数据来建立的，在面对新情况时，模型会给我们提供相应的判断
9. 模型是不是绝对正确？
   不是。因为预测本就是一门模糊的学科，如果这个看起来像是x,那就做y操作
10. 什么是因变量？什么是自变量？根据什么来确定？
11. 什么是有指导学习？
    训练数据拥有标记信息（即y）
12. 什么是回归？回归的目的？回归的具体步骤？举例说明
    预测的变量是连续的，西瓜的成熟度（0.95,0.37）
    目的是得到一个通过属性的线性组合来进行预测的函数
    具体步骤：
13. 什么是分类？分类的目的？分类的步骤？
    预测的变量是离散值
    当前样本属于哪一个类别
    步骤
14. 什么是最小二乘回归？其他回归？
    在回归中采用最小二乘法，即均方误差最小化来进行参数估计的方法
    逻辑回归——用于两分类问题—–采用最大似然估计
15. 什么是logistic回归？它是回归吗？目的是？
    广义线性模型—分类学习方法
16. logistic回归得到的预测结果是类吗？
    不是。是一个概率值，通过拟合一个逻辑函数来预测一个事件发生的概率（【0,1】）–P值
17. logistic回归的结果依赖于什么主观选择？
    依赖于阙值的主观选择，一般选择0.5
18. 决策树的构成？什么是决策树的节点？其构成是什么？
    一个根节点，若干个内部节点，若干个叶节点。每个节点由数据构成，有一个拆分变量。

19. 什么是分类节点

20. 15.