python pandas 用法大全之机器学习

分类(classification):

若我们欲预测的是离散值,例如“好瓜”“坏瓜”，此类学习任务称为"分类"
回归(regression)

若欲预测的是连续值,例如西瓜成熟度0.95、0.37,类学习任务称为“回归”.
对只涉及两个类别的称为“二分类’(binary classification)’
聚类”(clustering)

即将训练集中的样本分成若干组,每组称为一个 “簇”(cluster);
根据训练数据是否拥有标记信息，学习任务可大致划分为两大类:“ 监督学习”(supervised learning) 和 “无监督学习”(unsupervised learning), 分类和回归是前者的代表,而聚类则是后者的代表.
 

 

 

监督学习 

无监督学习中的数据集没有标签，即没有告知明确的答案，而是通过聚类的方法来对数据集进行分类。
例：谷歌新闻将具有相同话题的新闻整合到一个模块中。过程是在网络中搜寻很多新闻然后用聚类算法进行分类整合。

无监督学习还可以用来对社交网络进行分析，对你常联系的人进行记录或者你的好友进行识别，来判断哪些人可能相互认识。还可以对市场中的客户信息进行分割，将客户分到不同的市场中。
 

 

2.线性回归 
   线性回归是用于回归的，对某一现象或类进行归纳为线性模型，通过连续的输入变量，预测出一个值；通过拟合最佳直线来建立自变量和因变量的关系，而这条最佳直线就叫做回归线，并且可以用：

                                                                            Y= a*X + b
 

3.逻辑回归
这是一个分