监督学习

监督学习的目标

利用一组带有标签的数据，学习从输入到输出的映射，然后将这种映射 关系应用到未知数据上，达到分类或回归的目的。

分类:当输出是离散的，学习任务为分类任务。

回归:当输出是连续的，学习任务为回归任务。

分类学习：

输入 : 一组有标签的训练数据(也称观察和评估)，标签表明了这些数 据(观察)的所署类别。

输出 : 分类模型根据这些训练数据，训练自己的模型参数，学习出一个
适合这组数据的分类器，当有新数据(非训练数据)需要进行类别判断，就可以将这组新数据作为输入送给学好的分类器进行判断。

分类学习 - 评价：

• 训练集( training set ):顾名思义用来训练模型的已标注数据，用来建 立模型，发现规律。

• 测试集( testing set ):也是已标注数据，通常做法是将标注隐藏，输送 给训练好的模型，通过结果与真实标注进行对比，评估模型的学习能力。

训练集/测试集的划分方法 : 根据已有标注数据，随机选出一部分数据 ( 70% )数据作为训练数据，余下的作为测试数据，此外还有交叉验证法， 自助法用来评估分类模型。

分类学习-评价标准：

精确率 : 精确率是针对我们预测结果而言的，(以二分类为例)它表示 的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能 了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)， 也就是

召回率:是针对我们原来的样本而言的，它表示的是样本中的正例有多 少被预测正确了。那也有两种可能，一种是把原来的正类预测成正类(TP)， 另一种就是把原来的正类预测为负类(FN)，也就是

分类算法的应用：

 金融:贷款是否批准进行评估
 医疗诊断:判断一个肿瘤是恶性还是良性
 欺诈检测:判断一笔银行的交易是否涉嫌欺诈
 网页分类:判断网页的所属类别，财经或者是娱乐?

Sklearn提供的分类函数包括:

• k近邻(knn)
• 朴素贝叶斯(naivebayes)，
• 支持向量机(svm)，
• 决策树 (decision tree)
• 神经网络模型(Neural networks)等
• 这其中有线性分类器，也有非线性分类器

回归分析

回归 : 统计学分析数据的方法，目的在于了解两个或多个变数间是否相关、 研究其相关方向与强度，并建立数学模型以便观察特定变数来预测研究者感兴趣的变数。回归分析可以帮助人们了解在自变量变化时因变量的变化量。一般来说，通过回归分析我们可以由给出的自变量估计因变量的条件期望。

Sklearn vs. 回归

Sklearn 提供的回归函数主要被封装在两个子模块中，分别是 sklearn.linear_model和sklearn.preprocessing。 sklearn.linear_modlel 封装的是一些线性函数，

线性回归函数包括有:

• 普通线性回归函数( LinearRegression )
• 岭回归(Ridge)
• Lasso(Lasso)

非线性回归函数，如多项式回归(PolynomialFeatures)则通过 sklearn.preprocessing子模块进行调用

回归应用：

回归方法适合对一些带有时序信息的数据进行预测或者趋势拟合，常用在金融及其他涉及时间序列分析的领域:

• 股票趋势预测
• 交通流量预测