Machine Learning算法分类及其开发流程

一、数据类型

1、离散型数据

由记录不同类别个体的数目所得到的数据，又称计数数据，所有这些数据全部都是整数，而且不能再细分，也不能进一步提高它们的精确度。

2、连续型数据

变量可以在某个范围内取任一数，即变量的取值可以是连续的，如：长度、时间、质量值等，这类整数通常是非整数，含有小数的部分。

注：只要记住，离散型数据是区间内不可分的，连续型数据是区间内可分的。

二、机器学习算法分类

1、监督学习（预测）——>特征值+目标值

监督学习（Supervised learning），可以由输入数据中学到或建立一个模型，并依此模式推测新的结果。输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值（称为回归），或者是输出是也有限个离散值（称作分类）。

分类：k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络

回归：线性回归、岭回归

标注：隐马尔可夫模型

注：分类：目标值是离散型；回归：目标值是连续型

（1）分类问题概念及应用说明

概念：分类是监督学习的一个核心问题，在监督学习中，当输出变量取有限个离散值时，预测问题变为分类问题。最基础的是二分类问题，即判断是非，从两个类别中选择一个作为预测的结果。

分类在于根据其特性将数据“分门别类”，所以在许多领域都有广泛的应用：

• 在银行业务中，构建一个客户分类模型，按客户贷款风险的大小进行分类
• 图像处理中，分类可以用来检测图像中是否有人脸出现，动物类别等
• 手写识别中，分类可以用于识别手写的数字
• 文本分类，这里的文本可以是新闻报道、网页、电子邮件、学术论文

（2）回归问题概念及应用说明

概念：回归是监督学习的另一个重要问题。回归用于预测输入变量和输出变量之间的关系，输出是连续型的值。

回归在多领域也有应用：

房价预测：根据某地历史房价数据，进行一个预测

金融信息：每日股票值

2、无监督学习 ——> 特征值

无监督学习（Unsupervised learning），可以由输入数据中学到或建立一个模型，并依次模式推测新的结果。输入数据是由输入特征值所组成。

聚类：k-means

3、两者比较

三、机器学习的工作流程

总的来说，分为数据收集、数据处理、模型构建、模型测试评估、投入使用（模型部署与整合）、迭代优化等。对于数据处理部分也叫特征工程，有的时候会分成数据清洗和特征工程。

1、获取原始数据

• 途径：（1）公司本身的数据（2）合作共享的数据（3）购买的数据

2、通过原始数据明确需要做什么。建立模型：根据数据类型划分应用种类

3、特征工程：（特征预处理）※

4、找到合适的算法进行预测（分类&回归)

5、模型的评估，用来判定效果（模型：算法+数据）

6.1上线使用，注意上线使用一般是以API的形式提供给使用者

6.2如果评估不合格，就需要换算法，调参数，完了再次进行特征工程对特征进行处理