机器学习之路-机器学习基础

1.数据的拆分&获取

1.1数据集划分

• 前提：机器学习就是从数据中自动分析获得规律，并利用规律对未知数据进行预测。换句话说，我们的模型一定要经过样本数据对其进行训练，才可以对未知数据进行预测的。
• 问题：我们得到数据之后，能否将数据全部用来训练模型？
  • 当然不是！因为我们如果模型都是从数据中得来的，那么该模型的性能评估如何进行呢？还是基于原先的数据进行评测么？可想而知，如果模型对原先的数据进行预测，由于模型本来就是从该数据中获取的，所以预测结果几乎会是百分之百。所以想要评估模型的好坏，需要使用一组新数据对模型进行评估。
  • 因此我们需要将原先的样本数据拆成两部分：
    • 训练集：训练模型
    • 测试集：评估模型
      • 不同类型的模型对应的评估方式时不一样的
• 数据集划分的API
  • from sklearn.model_selection import train_test_split
  • train_test_split(x,y,test,random_state)参数介绍：
    • x：特征
    • y：目标
    • test_size：测试集的比例
    • random_state：打乱的随机种子
  • 返回值：训练特征、测试特征、训练目标、测试目标

1.2数据集获取

• sklearn.datasets.load