机器学习笔记【一】——机器学习算法分类与开发大体流程

---

机器学习算法分类

监督学习（supervised learning）

监督学习是有目标的：
输入数据有特征有标签，即有标准答案。

• 目标值：类别 - 分类问题（如识别小猫小狗），输出是有有限个离散值
  k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归

• 目标值：连续型的数据 - 回归问题（如预测房屋价格），输出是连续的值
  线性回归、岭回归

无监督学习（unsupervised learning）

• 目标值：无
  聚类 k-means

练习理解：
1、预测明天的气温是多少度？ 回归
2、预测明天是阴、晴还是雨？ 分类
3、人脸年龄预测？ 回归/分类
4、人脸识别？ 分类

---

机器学习开发流程

1）获取数据
2）数据处理：数据嘈杂或有缺失值，不符合要求的数据都要处理
3）特征工程：也是做数据处理，处理成更能直接被算法使用的数据
4）机器学习算法训练 - 模型
5）模型评估：不好的话继续循环前面步骤
6）应用

---

可用数据集

学习阶段可以用的数据集：
1）sklearn
2）kaggle
3）UCI