EnsembleLearning机器学习基础-task1

EnsembleLearning机器学习基础-task1

基础点

• 分类
• 回归
• 无监督学习

知识点

1. 机器学习，分为有监督学习和无监督学习
2. 无监督学习：有特征，没有因变量，学习数据本身的结构和关系。
3. 有监督学习：有特征，给定因变量，缩小预测值与因变量差
4. 有监督学习，分为回归和分类
5. 分类：因变量离散
6. 回归：因变量连续
7. 常用学习库：scikit-learn，常用包：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
plt.style.use("ggplot")
import seaborn as sns

个人需要补充的点

1. 进一步熟悉scikit-learn库

Q&A

1. 数据可视化，seaborn 库，matplotlib，用法需要整理一下

Code

#Jupyter运行，有些变量未用print打印
#回归Boston房价
from sklearn import datasets

boston = datasets.load_boston()

import pandas as pd

X = boston.data
Y = boston.target
features = boston.feature_names
boston_data = pd.DataFrame(X, columns=features)
boston_data["Price"] = y
boston_data.head

#boston_data['NOX']
import seaborn as sns #图形可视化python包
import matplotlib.pyplot as plt
sns.scatterplot(boston_data['NOX'], boston_data['Price'], color='r', alpha=0.6)
plt.title("Price~NOX")
plt.show()

#鸢尾花分类
iris = datasets.load_iris()
X = iris.data
y = iris.target
features = iris.feature_names
iris_data = pd.DataFrame(X, columns=features)
iris_data['target'] = y
iris_data.head()

# 特征可视化
marker = ['s','x','o']
for index,c in enumerate(np.unique(y)):
    plt.scatter(x=iris_data.loc[y==c,"sepal length (cm)"],y=iris_data.loc[y==c,"sepal width (cm)"],alpha=0.8,label=c,marker=marker[c])
plt.xlabel("sepal length (cm)")
plt.ylabel("sepal width (cm)")
plt.legend()
plt.show()

#无监督学习
#生成无因变量的数据集：https://scikit-learn.org/stable/modules/classes.html?highlight=datasets#module-sklearn.datasets

# 生成月牙型非凸集
x, y = datasets.make_moons(n_samples=2000, shuffle=True,
                  noise=0.05, random_state=None)
for index,c in enumerate(np.unique(y)):
    plt.scatter(x[y==c,0],x[y==c,1],s=7)
plt.show()

# 生成符合正态分布的聚类数据
x, y = datasets.make_blobs(n_samples=5000, n_features=2, centers=3)
for index,c in enumerate(np.unique(y)):
    plt.scatter(x[y==c, 0], x[y==c, 1],s=7)
plt.show()

PS

今天的北京特大沙尘暴，今天的我人生至暗。理性的想过如果这一天到来，要怎么应对，只是我没想过，这一天来得这么快，这么猝不及防。人生没有太多可能的时候才知道绝望的真正含义。
遗忘是本能，这里，借着互联网的记忆，告诉自己：你要爬过去，记住死寂的绝望和这星星点点的希望，未来，无论怎样，光芒万丈！