《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第一章 机器学习概览

一、机器学习概览 

---

为什么使用机器学习？

机器学习善于：

1. 需要进行大量手工调整或需要拥有长串规则才能解决的问题：机器学习算法通常可以简化代码、提高性能。
2. 问题复杂，传统方法难以解决：最好的机器学习方法可以找到解决方案。
3. 环境有波动：机器学习算法可以适应新数据。洞察复杂问题和大量数据

---

机器学习系统的类型

机器学习可以根据训练时监督的量和类型进行分类。主要有四类：监督学习、非监督学习、半监督学习和强化学习。

监督学习

一个典型的监督学习任务是分类。垃圾邮件过滤器就是一个很好的例子：用许多带有归类（垃圾邮件或普通邮件）的邮件样本进行训练，过滤器必须还能对新邮件进行分类。另一个典型任务是预测目标数值，例如给出一些特征（里程数、车龄、品牌等等）称作预测值，来预测一辆汽车的价格。

下面是一些重要的监督学习算法（本书都有介绍）：

• K近邻算法
• 线性回归
• 逻辑回归
• 支持向量机（SVM）
• 决策树和随机森林
• 神经网络

非监督学习

在非监督学习中，训练数据是没有加标签的，系统在没有老师的条件下进行学习。

下面是一些最重要的非监督学习算法（我们会在第 8 章介绍降维）：
聚类
 K 均值
层次聚类分析（Hierarchical Cluster Analysis，HCA）
期望最大值

可视化和降维
主成分分析（Principal Component Analysis，PCA）
核主成分分析
局部线性嵌入（Locally-Linear Embedding，LLE）
t-分布邻域嵌入算法（t-distributed Stochastic Neighbor Embedding，t-SNE）

关联性规则学习
Apriori 算法
Eclat 算法

 

聚类：例如，假设你有一份关于你的博客访客的大量数据。你想运行一个聚类算法，检测相似访客的分组。例如，算法可能注意到 40% 的访客是喜欢漫画书的男性，通常是晚上访问，20% 是科幻爱好者，他们是在周末访问等等。如果你使用层次聚类分析，它可能还会细分每个分组为更小的组。这可