机器学习入门一

 

目录

一 机器学习概述

·机器学习开发流程

·学习目标

·机器学习概述

· 机器学习算法分类

1.监督学习

2.无监督学习

·学习方向定位

二 数据集

·数据集的组成

1)数据存储和读取

2）学习阶段可用数据集

 3）常用数据集数据结构组成

·scikit-learn介绍及使用

1）使用导入库代码

2）sklearn数据集使用

3）sklearn数据集返回值介绍

4）数据集的划分

三 特征工程

·特征工程定义

1）特征工程定义

2）特征工程和数据处理

3）特征工程包含内容

---

机器学习重点：理解算法原理，掌握算法使用技能，熟练掌握python库中的一些算法（算法是核心，数据和计算是基础），学会利用库和框架解决问题

一 机器学习概述

·机器学习开发流程

1）获取数据

2）数据处理

3）特征工程

4）使用机器学习算法进行训练——得到模型

5）模型评估

6)应用

·学习目标

1.算法原理及算法使用：在学习过程中注意算法的原理，而不只是重现代码

2.熟悉算法使用，结合应用场景解决实际问题

3.掌握使用机器学习算法库和框架的技能

·机器学习概述

1）定义：从数据中自动分析获得规律模型，利用规律进行数据预测

· 机器学习算法分类

1.监督学习

1）分类问题：目标值是类别（离散型数据）

2）回归问题：目标值是连续型的数据（连续型数据）

2.无监督学习

3）无监督学习：没有目标值

·学习方向定位

1.分析大量数据

2.分析具体业务

3.应用常见算法

4.特征工程、调参数、优化

二 数据集

·数据集的组成

1)数据存储和读取

1.机器学习的数据存储在 文件csv

2.基于numoy库的pandas库读取数据速度快  

3.python是动态语言，虽然是多线程，但多线程不是同时进行，numpy释放了GIL做到速度快

2）学习阶段可用数据集

 3）常用数据集数据结构组成

1.特征值+目标值，根据给定的特征值分析得到目标值，机器学习给定的数据都是特征值，由特征值得到目标值

2.每一行数据读可以称为一个样本 

3.有些数据集可以没有目标值

·scikit-learn介绍及使用

1）使用导入库代码

import sklearn

2）sklearn数据集使用

1.数据集的使用：

2.获取小数据集

sklearn.datasets.load_iris()

3.获取大数据集

3）sklearn数据集返回值介绍

1.返回值介绍：返回的数据类型继承自字典，可以用相应的字典函数方法获取相应的值

（注意：拿来的数据不要全部用来得到模型，还有一部分要用来评估模型）

2.调用数据集、获取数据集里面的相应数据：

3.numpy是sklearn的基础库之一，sklearn返回值类型有numpy库的二维数组

4）数据集的划分

·训练数据和测试数据

·数据集划分（要注意返回值顺序），数据集划分使用前要先导入库

·数据集划分返回值顺序：训练集特征值、测试集特征值、训练集目标值、测试集目标值

三 特征工程

·特征工程定义

1）特征工程定义

将原始数据转换成更好代表预测模型的潜在问题的特征的过程，从而提高了对未知数据预测的准确性。特征工程在数据处理过程中的位置及重要性（对数据的特征进行处理）

2）特征工程和数据处理

1.特征工程工具：sklearn，对特征的处理提供了强大的接口

2.pandas：数据清洗、数据处理

3）特征工程包含内容

1.特征抽取/特征提取

2.特征预处理

3.特征降维