scikit-learn机器学习笔记（11.22）

启言：

机器学习通过使用过去的经验去指导未来的决策，它的基础目标是归纳，或者从一种未知规则的应用例子中归纳出未知规则。

一、机器学习的定义

一个程序：性能体现在“T”，衡量性能用“P”，提升性能通过经验“E”

可视为：针对一些“T”类型，通过“P”来衡量性能的的任务，从经验“E”中进行学习

二、从经验“E”中学习（监督下和无监督下）

（1）监督学习：“对于输入数据X能预测变量Y”通过标记的输入和输出进行学习，并预测一个输入或输出，也就是：从“正确答案”的例子中进行学习。它在训练集中找规律,然后对测试数据运用这种规律。

常见的监督学习任务：分类和回归

1）分类：分类的目标变量是标称型的，以电影分类为例，一部电影无非是动作片、爱情片、喜剧片等类别。

常见的分类算法：

a.KNN：k-近邻算法，使用距离测量的方法进行分类

b.NaiveBayes：朴素贝叶斯，基于概率论的分类方法，贝叶斯公式。