python之机器学习基础（1）

---

现在学习一下机器学习的基础知识，为之后算法的学习做准备

---

下面直接放代码（均有相应的注释）

第一部分
#数据集的拆分和获取
#数据集的划分
#数据集接口


#数据集的划分
#拆分为两个部分--训练集（大部分），测试集（少部分）
#方式1--小规模的数据集
import sklearn.datasets as datasets
iris = datasets.load_iris()   #一种花(返回的是字典)
#print(iris)

#从这个数据集中抽取特征数据和标签数据--直接索引

feature = iris['data']    #特征数据
target = iris['target']    #标签数据
s1 = feature.shape        #注意别在shape后面加个（）,否则会报错，因为元组不可调用
#print(s1)    #一维数组

#方式2--大规模的数据集
b = datasets.fetch_20newsgroups(data_home=None,subset='all',shuffle=True)   #一组新闻数据 后面的相关参数的意义为：储存位置，下载的内容，是否打乱顺序
#print(b)


#对iris数据集进行拆分
from sklearn.model_selection import train_test_split
res = train_test_split(feature,target,test_size=0.2,random_state=2020)     #测试集对于总数居的占比,通过某种随机性将结果打乱再返回
#打乱的原因：在上面的代码中已经运行了原始的数据集，可以发现是有顺序的0->1->2，所以需要进行打乱以使结果更加准确
x_train,x_test,y_train,y_test = res    #利用一一对应关系可以高效地获得结果
#可以验证一下比例是否正确
s3 = x_train.shape
print(s3)

#机器学习的算法分类和开发流程

#机器学习的数据类型：（1）离散型数据（无规律） （2）连续型数据（有一定规律）

#算法分类：见相关图片
#打个比方 :预测电影票房--回归问题   预测天气，人脸识别--分类问题


#开发流程:见相关图片

截至2021年4月，由于我只学习了微积分和线性代数，对于概率论几乎没有涉猎，故机器学习先告一段落，之后再继续学习。