机器学习概述及sklean

1. 机器学习与深度学习的关联与差异

• 关联

  1. 机器学习与深度学习都属于人工智能领域
  2. 深度学习是一种特殊的机器学习

• 差异

  1. 特征工程

     • 机器学习很依赖于特征工程处理，最终模型的准确度高低很大程度是由特征工程处理决定的
     • 深度学习不需要人为对数据进行特征处理，通过特定规则直接从数据中获取

  2. 模型训练

     • 机器学习训练的时间很短，深度学习需要耗费大量时间在训练上，但是测试时间两者却是相反的

  3. 数据对两者准确度的影响

4. 可解释性

   • 机器学习是有明确的规则，如机器学习算法背后数学理论是有据可循的。

2. 机器学习的应用领域

每一个应用领域都必须了解其理论知识及商业模式及规则

• 金融领域：检测信用卡欺诈、证券市场分析等。
• 互联网领域：自然语言处理、语音识别、语言翻译、搜索引擎、广告推广、邮件的反垃圾过滤系统等。
• 医学领域：医学诊断等。
• 自动化及机器人领域：无人驾驶、图像处理、信号处理等。
• 生物领域：人体基因序列分析、蛋白质结构预测、DNA序列测序等。
• 游戏领域：游戏战略规划等。
• 新闻领域：新闻推荐系统等。
• 刑侦领域：潜在犯罪预测等。

3. 数据类型

• 离散型（计数数据）
• 连续型

4. 机器学习算法分类

1. 监督学习 Supervised learning(有特征值和目标值)

• 分类（目标值数据类型：离散型）
  • k-邻近算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络
• 回归（目标值数据类型：连续型）
  • 线性回归
  • 岭回归
• 标注
  • 隐马尔科夫模型

2. 无监督学习 Unsupervised learning（只有特征值）

• 聚类
  • k-means

5. 机器学习开发流程

1. 明确问题-根据数据类型建立模型的类别（分类？ 回归？ 聚类？）

2. pandas数据的基本处理

3. 特征工程（进行特征处理，特征选择|数据抽取|数据预处理|数据降维）

4. 找到合适的算法

5. 模型的评估，判定效果，合格就可使用，否则就换算法、调参数、特征工程

6. 使用

6. sklean模块

各种API参考

• https://blog.csdn.net/lazyone10/article/details/100883038
• https://blog.csdn.net/fuqiuai/article/details/79495865

7. sklearn数据集

1. 数据集划分
   • 训练集（70%|80%|75%）：用于训练、构建模型
   • 测试集（30%|20%|25%）：用于评估模型是否有效
   • 数据集划分API: sklearn.model_selection.train_test_split
2. sklearn数据集API
   • sklearn.datasets
     • datasets.load_*(): 获取规模小的数据
     • datasets.fetch_*(data_home=None): 获取大规模数据，需要从网络上下载
     • 两者返回的数据类型都是字典格式,keys有
       • data: 特征数据数组-特征值
       • target：标签数组-目标值
       • DESCR：数据描述
       • feature_names(部分没有)：特征名
       • target_names：标签名

8. 转换器与预估器

1. 转换器

   • fit_transform(): 输入数据并直接转换
   • fit(): 只输入数据
   • transform(): 进行数据的转换

2. 预估器estimator

   • predict() : 对测试集进行预测
   • score()：预测准确率