机器学习的学习框架和资料介绍

1. 算法是核心，数据与计算是基础

2. 入门

   • 实战类书籍
   • 机器学习（西瓜书）
   • 统计学习方法（李航）
   • 深度学习（花树）

3. 学习阶段可用数据集：
   1）sklearn
   2）kaggle
   3）UCI

4. Scikit-learn工具介绍

包含：分类、回归、聚类、降维、模型选择、特征工程

5. sklearn数据集:

• load_*获取小规模数据集

  sklearn.datasets.load_iris()

• fetch_*获取大规模数据集

sklearn.datasets.fetch_20newgroups(data_home=None,subset='train')

数据集的返回值： datasets.base.Bunch(继承自字典)
dict[“key”]=values
bunch.key=values
数据集的划分API：
1、 训练数据集：用于训练，构建模型
2、 测试数据集：在模型检验时使用，用于评估模型是否有效
sklearn.model_selection.train_test_split(arrays,*options)