ch1机器学习基础

机器学习的主要任务

1. 分类：将实例数据划分到合适的分类中
2. 回归：通过给定数据点拟合最有曲线从而预测数值型数据

以上两个任务都属于监督学习，因为这类算法必须知道预测什么，即目标变量的分类信息或目标数值。

无监督学习：数据没有类别信息，也不会给出目标值

3. 聚类：将数据集分成由类似的对象组成的多个类的过程
4. 密度估计：将寻找描述数据统计值的过程
5. 降维：减少数据特征的维度，更加直观的可视化信息

如何选择合适的算法

1. 分析使用机器学习算法的目的是什么，即想要完成何种任务？

   如果想要预测目标变量的值，则可以选择监督学习算法，确定选择监督学习算法后，需要进一步确定目标变量的取值类型，如果目标变量是离散取值，则可以采用分类算法，若是连续型取值则需要选择回归算法。

   如果不想知道目标变量的值，则可以选择无监督学习算法，进一步分析是否需要将数据划分为离散的组，若这是唯一需求，则选择聚类算法；如果还需要估计数据与每个分组的相似程度，则需要使用密度估计算法。

2. 需要分析或收集的数据是什么？

   特征值是离散型还是连续型？是否存在缺失的值？何种原因造成的缺失，数据中是否存在异常值，某个特征发生的频率如何等等