机器学习（八）

一、机器学习算法分析

（一）、算法类型的选择：

（1）、分为分类算法和回归算法：

在机器学习过程中对于相关算法的选择也是至关重要的，一般算法的选择往往与数据类型息息相关。
1、离散数据类型：
离散数据类型又称计数数据类型。离散数据中的数据之间是不连续的，具有明确的要素边界。例如，道路有宽度和长度，在地图上表示为线。地籍图可以显示出各宗地之间的边界。地图上各要素的特征（如所有者名称、宗地编号和有效面积）都存在着明显的不同。
2、连续数据类型：在一定区间内可以任意取值的数据叫连续数据，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。例如，生产零件的规格尺寸和人体测量的身高和体重和胸围等为连续数据，其数值只能用测量或计量的方法获得。
上一篇博文中对机器学习算法有了一个大概的分类，分为两类：
分类型估计器：
1、贝叶斯
2、k近邻算法
3、逻辑回归
4、决策树与随机森林
回归型估计器：
1、岭回归
2、线性回归
结合数据类型我们初步判断使用哪种分类算法，如果目标值是离散的，我们使用分类算法，通俗一点就是我们有明确的分类目标，如数的品种，猫狗二分类等；
如果目标值是连续的，我们使用回归算法，归回算法没有一个明确的目标，智能通过模型来进行预测下一阶段的内容，并且无限逼近正确值。如预测下个月的房价、利息等。

（2）、分为监督学习和无监督学习：

在分类以及回归算法的基础上，机器学习又有监督学习和无监督学习：
监督学习：
分类型估计器：
1、贝叶斯
2、k近邻算法
3、逻辑回归
4、决策树与随机森林
回归型估计器：
1、岭回归
2、线性回归
无监督学习：
聚类算法
以上种分类方式也是依据数据而定的，如果在样本中有目标值，则就是监督学习，如果没有目标值的，则是无监督学习。通常来讲，监督学习往往是起到预测的作用的。

（2）、机器学习建模过程：

1、明确目标，对问题进行初步的分析
2、得到数据集后就是先对数据集进行特征工程的处理，例如进行数据的整合、对缺失值异常值等进行处理，如果特征特别庞大的还要进行数据降维。
3、对数据处理结束后就是要选择合适的算法进行建模
4、对模型进行评估，对效果进行判定，如果模型没有达到预期则返回步骤二继续进行