本文借鉴了数学建模清风老师的课件与思路，可以点击查看链接查看清风老师视频讲解：清风数学建模：https://www.bilibili.com/video/BV1DW411s7wi
注： 因为要用到机器学习工具箱，所以至少需要安装MATLAB2017a的版本，版本越高越好，最好是2021版本的。此篇文章旨在介绍机器学习的实际应用，所以对算法的原理介绍可能会不是很清楚，想了解清楚的可以看看B 站吴恩达（稍简单一点）、李宏毅老师的视频，也可以看周志华老师的西瓜书《机器学习》（B站有配套视频），注重实用的话就看B 站的菜菜的机器学习sklearn、唐宇迪的机器学习视频。
目录
一、 概念
通过一个问题引入：夏天你是怎么买到一个好的西瓜的？你是通过自己的经验来购买西瓜的吧，经验又是通过自身长期以来对西瓜知识的累积来的把。比如：好西瓜有三个指标：色泽青绿、根蒂蜷缩、敲声浑浊，你就通过这三个指标来判断好西瓜，这是靠人类自己就能够完成的。而机器学习就是这样一个过程，它通过对以往数据（这里可以指上面的经验）的训练，在面对新的情况时，做出判断（这里可以指上面的判断瓜的好坏）。
二、 机器学习的划分
机器学习包括监督学习，无监督学习，强化学习，半监督学习，主动学习。
2.1 监督学习
定义：既有x也有y。
监督学习根据y的不同，可以分为分类问题和回归问题（预测问题）。
①分类问题：将西瓜分为好瓜和坏瓜、将肿瘤分为良性和恶行。
②回归问题（预测问题）：预测股票涨跌、预测房价。
2.2 无监督学习
定义：只有x 没有y。我们需要得到数据之间隐藏的规律。
无监督学习常用于聚类和降维。
①聚类：根据数据将这些数据划分成几类（类似于我之前写的聚类模型文章）。
注：这里说明一下聚类和分类的区别，分类是事先就知道要将这些数据分成几类，而聚类是不知道要划分成几类，聚类划分的类别需要我们通过聚类的最终结果自己来定义。
②降维：给定的数据的指标太多了，处理起来不方便，通过对数据进行降维，得到了几个指标，这几个指标能够反映之前全部指标的大部分信息。
2.3 强化学习
2.4 半监督学习
定义：有x也有y，但y有一部分没有。
三、 模型评估指标
从现在开始，只介绍监督学习，即回归问题和分类问题
3.1 回归问题（预测问题）的评估指标
这些指标都有优缺点，到时候网上搜索就行。
3.2 分类问题的评估指标
我们定义下面这四个指标：
在机器学习中，通常将更关注的事件定义为正类（生活中我们通常将关注那些结果不好的情况定义为正类，比如：肿瘤的恶性、股票的下跌），负类则相反。
当然，这种定义也不是绝对的，你若更加关注股票的上涨，也可将上涨定义为正类，也比如将猫和狗的照片进行分类，你也无法定义，此时你就可以随便定义一个就好。
将这四个指标构成一个混淆矩阵：
由这个矩阵可以看出，预测对了TP+TN=6个，预测错了FP=FN=4个。
现在就定义下面这些指标：
四、 模型的泛化能力
将模型对于未知数据的预测能力定义为模型的泛化能力。
通过下面这些方法可以知道模型的泛化能力到底好不好。
4.1 留出法
将已知的数据（这里指既知道x 又知道y的数据）分成两部分，一部分通过训练可以得到一个模型，再将另一部分数据的x 放入到这个模型中进行测试，然后预测y，这时候再将预测出来的y与真实的y 进行对比，这时候我们就可以知道这个模型的好坏。这里我们将训练的数据定义为训练集，被测试的数据定义为测试集。这种对泛化能力进行评估的能力称为留出法。
留出法的缺点：当训练集过少时，我们得到的模型并不准确，同时，我们会损失作为测试集的这一部分数据。
4.2 交叉验证
交叉验证的主要思想就是下面这个图：
我对于这个的理解：将所有知道x,y的数据拿出k-1个数据来作训练集，剩下的一个拿来作测试集，就这样，进行K次测试和训练，选取最优的一次，在上面这张图中，K取的是10（通常K都是取10），我们就称之为10折交叉验证。
4.3 选择最好的模型
4.4 欠拟合和过拟合
可能产生过拟合的常见原因：
（1） 模型中参数设置的过多导致模型过于复杂
（2） 训练集的样本量不够
（3） 输入了某些完全错误的的特征
解决过拟合的方法：
（1） 通过前面介绍的交叉验证的方法来选择合适的模型，并对参数进行调节。
（2） 扩大样本数量、训练更多的数据
（3） 对模型中的参数增加正则化（即增加惩罚项，参数越多惩罚越大）
欠拟合则和过拟合刚好相反，我们可以增加模型的参数、或者选择更加复杂的模
型； 也可以从数据中挖掘更多的特征来增加输入的变量， 还可以使用一些集成算法（如
装袋法（Bagging），提升法（Boosting））。
（注意：有可能模型的输入和输出一点关系都没有，举个极端的例子，你买的西
瓜好坏和你的个人特征没任何关系，例如你的性别身高体重等）
1754
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
