第一章机器学习基础

第一章机器学习基础

1.1何谓机器学习？

简单的说，机器学习就是把无序的数据转变成有用的信息。如何从海量数据中抽取到有价值的信息将是一个重要的课题。

1.2关键术语

特征（特征有数值型，也有布尔型，自定义的枚举型）
训练集：已知的分类数据，用于训练机器学习算法训练的数据。
目标变量：是机器学习算法的预测结果，在分类算法中通常是离散值类型的，而在回归算法中目标变量通常是连续型的。
为了检测算法的效果，通常使用两套独立的数据集：训练集和测试集。

1.3机器学习的主要任务

两大任务：分类与回归
这两类都属于监督学习：因为这类算法必须知道预测什么，即目标变量的分类信息。
无监督学习：此时数据没有类别信息，也不会给定目标值。它是将数据集合分成由类似对象组成的多个分类过程被称为聚类。将寻找描述数据统计值的过程称为密度估计，此外，无监督学习还可以减少数据特征的维数，可以用二维或三维更好的展示数据。
大致算法用途介绍：
监督学习：
1.k-近邻算法 线性回归
2.朴素贝叶斯算法 局部加权线性回归
3.支持向量机：Ridge回归
4.决策树：Lasso最小回归系数估计
无监督学习
1.k-均值：最大期望算法
2.DBSCAN:parzen窗设计

1.4如何选择合适的算法

上诉很多的算法可以用于解决同一问题：那么如何选择合适的算法呢？
1.如果是要预测目标变量的值，可以使用监督学习算法，若目标变量是离散型数值，则使用分类算法，若目标变量是连续型数值则使用回归算法

2.不是预测目标变量的值，则使用无监督机器学习，若是需要将数据集划分为离散的组，则使用聚类算法，若是还需估计数据与每个分组的相似程度，则需要使用密度估计算法。

3.其次需要考虑的就是数据问题：特征值是离散型变量还是连续型，是否存在缺失值，异常值等。

1.5开发机器学习应用的步骤

1.收集数据：
2.准备输入数据：清洗数据
3.分析输入数据
4.训练算法
5测试算法
6.使用算法

1.6Python语言