中输入learn_慕课|Python调用scikit-learn实现机器学习(一）

一、机器学习介绍及其原理

1.什么是人工智能？

机器对人的思维信息过程的模拟，让它能相认一样思考。

a.输入 b.处理 c.输出

根据输入信息进行模型建构、权重更新，实现最终优化。

特点：信息处理、自我学习，优化升级

2.人工智能核心方法

机器学习：使用算法来解析数据，从中学习，然后对真实世界中的事件做出决策和预测。如：垃圾邮件检测、房价预测。

深度学习：模仿人类神经网络，建立模型，进行数据分析。如：人脸识别、语义理解、无人驾驶。

机器学习是一种实现人工智能的方法

深度学习是一种实现机器学习的技术

3.机器学习的主要类别

• 监督学习：基于数据及结果进行预测，一组输入数据对应一个“正确的”输出结果。如：垃圾邮件检测、房价预测。
• 半监督学习：从数据中挖掘并联性，不存在“正确的”答案。如：数据聚类、相关新闻自动推送。
• 强化学习

4.机器学习的基本原理

• 监督式学习

a.使用标签数据（由输入数据对应的输出数据）训练机器学习模型（将学习输入数据与之对应的输出结果间的函数关系）

b.调用训练好的机器学习模型，根据新的数据预测对应的结果

• 非监督式学习

不需要标签数据，而是通过引入预先设定的优化准则进行模型训练。如：自动将数据分为3类。

二、机器学习开发环境部署

1.python

解释型的、面向对象的、移植性强的高级程序设计语言

（解释型是指不需要编译成二进制代码，可直接从源代码运行）

2.scikit-learn

可以实现数据预处理、分类、回归、降维、模型选择等常用的机器学习算法。

不支持Python之外的语言，不支持深度学习和强化学习。

3.jupyter notebook

开源的web应用程序

步骤：

a.安装python

b.安装Anaconda

c.新建开发环境，安装numpy,scikit-learn库

conda create -n env_name

pip(conda) install package_name

d.jupyter notebook界面优化

https://github.com/dunovank/jupyter-themes