sklearn与机器学习

参考：https://www.bilibili.com/video/BV1nt411r7tj?spm_id_from=333.337.search-card.all.click
1、人工智能的实现：机器学习
机器学习的一个方法人工神经网络，深度学习由此发展而来。
2、数据集的构成：特征值+目标值

3、机器学习算法分类：
监督学习：
     目标值：类别——分类问题（图片区别猫和狗）
     目标值：连续性的数据——回归问题（预测房屋价格）
目标值：无——无监督学习
算法：
分类算法：k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
回归算法：线性回归、岭回归
无监督学习：
聚类 、k-means
4、机器学习开发流程
1）获取数据
2）数据处理
3）特征工程
4）机器学习算法训练
5）模型评估
6）应用
5、可用数据集：
1）sklearn特点：数据量小、方便学习
2）kaggle：大数据竞赛平台、数据量巨大
3）uci：收录360个数据集、数据量几十万
6、特征工程：
1）特征提取：
     机器学习算法——统计方法——数学公式