scikit-learn小白入门教程（一）

写在前面

本系列文章，将针对Python机器学习库Scikit-learn来展开，旨在帮助那些刚开始接触机器学习项目，但是看不懂里面各种模型如何使用的小伙伴。我将介绍了一些scikit-learn中使用的机器学习词汇及常用模型，并指导小伙伴们自己动手搭建、训练自己的模型。

本篇文章，将会简单介绍机器学习里一些常见的词汇，已经很了解的小伙伴可以跳过，看后续的内容：

教你训练一个机器学习模型：scikit-learn入门教程（二）

一、机器学习常见问题描述

1.机器学习是用来干嘛的？

通常，机器学习问题会考虑一组具有n个样本的数据（如下图一），然后尝试预测未知数据的属性。

可以看到，下列数据具有n行，代表有n个样本。每行代表一个样本，样本中的每一个数字，我们把它叫做“特征”或者“属性”。

举个例子，上面的数据收集了n个女生的身材信息，一个女生的样本信息包括[身高，体重，年龄······]若干特征。

现在，我们要利用这些数据，预测出这n个女生，哪些是美女。如果我们用列表来表示对这n个女生的预测结果，用1表示是美女，0表示不是，那么我们最终求出来的可能是这样一个列表：

[1,0,0,1,0,``````]

这个列表表示，第一个女生是美女，第二第三个女生不是······

所以，机器学习做的事情大概就是这样的。给你一堆数据，然后让你用各种各样高大上的模型，来预测出一些结果。

2.机器学习问题类型

通常，机器学习问题可以分为以下类型：

• 监督学习

  • 分类问题

  • 回归问题

• 无监督学习

---

• 监督学习：什么叫监督学习？顾名思义，就是我不仅给了预测的数据给你，我还给了预测的答案给你，你需要用这个答案来监督你的预测。

  还是用上例来讲，例如，我给了n个女生的数据给你，我还给了这n个女生是不是美女的数据，即上面所说的[1,0,0,1,0,``````]。你就拿着题目（数据）去预测结果，并且可以用答案来批改你结果的正确率。

  那么相对应的，无监督学习就是，我只给了n个女生的数据给你，但我不给你这n个女生是不是美女的数组。这就相当于，我给了一堆题目给你做，但是却不给你答案，你需要自己去寻找。

  • 分类：分类问题，即你要根据数据，来将目标分类。例如，我给了你一堆女生的数据，你要做的就是判断每个女生是不是美女，在判断的这个过程，就是分类。

  • 回归：回归问题，即你要根据数据，来求出某一个值。例如，我给了你一堆女生的数据，你要做的就是给每一个女生外观打分。再例如，我给了你一堆电商的数据，然后让你计算，xx店铺的xx商品卖出去的可能性有多大？这个可能性，求的就是一个数值，它不再是分类了，这类问题就称为回归问题。

• 无监督学习：上面已经提到了，无监督学习，就是给题目（数据）给你，但是却不给答案（预测结果）给你，让你摸瞎做题(ˉ▽ˉ；)…。

3.训练集和测试集

通常，我们需要将数据集分成两部分来评估算法。一部分是测试集，我们在该训练集上我们学习一些属性；我们将另一个集合称为测试集，在其上测试学习的属性。

什么？看不懂？那就还是举个栗子吧。例如，我给了你n个女生的数据（训练集），让你用这n个数据，训练了一个算法出来。现在，你为了检测一下你这个算法到底能不能正确预测美女，所以我再给了你m个女生的数据（测试集），用来测试一下你算法的效果。

懂了吧？训练集就是你平时做的训练题，测试集就是给你的考试题，它可以检测你的算法训练效果到底怎么样！