一、数据类型
不同类型的数据集采用的算法是不一样的。总体来说,生活场景中只有两种类型的数据,一种是离散型,一种是连续型:
- 离散型数据:由记录不同类别个体的数目所得到的数据,又称计数数据,所有这些数据全部都是整数,而且不能再细分,也不能进一步提高他们的精确度。比如分类就是离散型数据。
- 连续型数据:变量可以在某个范围内取任一数,即变量的取值可以是连续的。如,长度、时间、质量等.这类数通常是非整数,含有小数部分。
二、可用数据集
1、kaggle:一个大数据竞赛平台,上面的数据都是真实的。网址:
kaggle
2、UCI:收录了360个数据集、覆盖科学,生活,经济等领域。网址:UCI
三、监督学习和无监督学习
1.监督学习(英语:Supervised learning),可以由输入数据中学到或建立一个模型,并依此模式推测新的结果。输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归),或是输出是有限个离散值(称作分类)。
2.无监督学习(英语:Supervised learning),可以由输入数据中学到或建立一个模型,并依此模式推测新的结果。输入数据是由输入特征值所组成。
四、算法分类
1、监督学习
- 分类:K近邻算法、贝叶斯分类、决策树、随机森林、逻辑回归、神经网络
- 回归:线性回归、岭回归
2、无监督学习 - 聚类:k-means