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