u012778718的博客

数据在应用机器学习模型之前，所有的数据必须转换成表格形式。如下所示，这是最耗死，最费劲的部分。 转换成功后便可以将这些表格数据灌入机器学习模型。表格数据是在机器学习或数据挖掘中最常见的数据表示形式。我们有一个数据表，x轴表示样本数据，y轴表示标签。标签可以使单列或者多列，取决于问题的形式。我们会用X表示数据，y表示标签。标签的种类标签会定义你要解决的何种问题，有不同的问题类型。例如：单列，二

房价预测案例检视源数据集import numpy as npimport pandas as pd读入数据一般来说index那一栏没有什么用，我们用来作为我们pandas dataframe的index。这样以后要是检索起来也很方便Kaggle上默认数据放在input文件夹下。train_df=pa.read_csv('../input/train.csv',index_col=0)tes

根据问题是否有标签将机器学习问题分为监督学习问题（有标签）和非监督学习问题（无标签）。 监督学习又可根据预测结果是否连续分为回归问题（预测值为连续的）和分类问题（预测值为离散的）。 常见的监督学习算法：线性回归，逻辑回归，KNN，决策树，SVM，朴素贝叶斯。 无监督学习算法：关联规则，聚类 半监督学习：一半有标签，一半无标签。 机器学习算法使用图谱 数据量少的话可以使用规则去学习，此时所

display import pandas as pd#初始化阶段train_filename="train_small.csv"test_filename="test.csv"submission_filename="submit.csv"training_set=pd.read_csv(train_filename)training_set.head(10)training_set.de

K-近邻算法优点：精度高，对异常值不敏感，无数据输入假定缺点：计算复杂度高，空间复杂度高适用数据范围：数值型和标称型K-近邻算法的一般流程收集数据：可以使用任何方法准备数据：距离计算所需要的数值，最好是结构化的数据格式分析数据：可以使用任何方法训练方法：此步骤不适用于K-近邻算法测试算法：计算错误率使用算法：首先需要输入样本数据和结构化的输出结果，然后运行K-近邻算法判定输入数据

决策树优点：计算复杂度不高，输出结果易于理解，对中间值得缺失不敏感，可以处理不相关特征数据缺点：可能会产生过度匹配问题适用数据类型：数值型和标称型决策树的一般流程收集数据：可以使用任何方法准备数据：树构造算法只适用于标称类型，因此数值型必须离散化分析数据：可以适用任何方法，构造树完成之后，我们应该检查图形是否符合预测训练算法：构造树的数据结构测试算法：使用经验树计算错误率使用算法