机器学习入门

 

1.机器学习分类

 

监督学习和无监督学习区别

	监督学习	无监督学习
样本集	训练集+测试集 训练集：特征+标签	训练集+测试集 训练集：特征
定义	通过训练，让机器找到特征和标签之间的联系后，当面对测试集中只有特征没有标签的数据时，可以自行判断出其标签。	通过训练，在未加标签的数据中，找到隐藏的结构
典型算法	k-近邻算法 朴素贝叶斯算法 支持向量机 决策树	K-Means算法 DBSCAN聚类算法

 

监督学习分类

	分类	回归
定义	将实例数据划分到合适的类别	主要用于预测数值型数据
应用实例	判断橘子是否好吃（二分类） 手写数字的自动识别（多分类）	股票价格波动预测 房屋价格预测 天气温度预测

 

强化学习

可以训练程序做出某一决定。程序在某一情况下尝试所有的可能行动，记录不同行动的结果并试着找出最好的一次尝试来做决定。属于这一类算法的有马尔可夫决策过程

 

 

2.机器学习过程

 

 

3.机器学习使用判断

需要收集或分析的数据

• 预测明天是否下雨（二分类），可以根据历史天气情况做出预测，所以选择监督学习算法；
• 给一群陌生人分组，但是没有这些人的类别信息，所以选择无监督学习算法，可以通过他们身高、体重、肤色等特征进行处理；

 

4.机器学习开发流程

收集数据->准备数据->分析数据->训练模型->测试模型

 

5.专业术语

专业名词

• 特征、属性：对象的某一方面
• 维数：描述样本参数的个数
• 样本集：包含多个样本数据的集合
• 训练集：训练样本集
• 测试集：测试样本集
• 二分类：只涉及两个类别的分类任务
• 多分类：涉及多个类别的分类
• 正类：二分类里的一个
• 反类：二分类里的一个
• 泛化：训练好的模型适用于新样本的能力

 

数据集的划分

• 训练集：学习样本数据集，通过匹配一些参数建立模型，主要用来训练模型。考前疯狂刷题
• 测试集：测试训练好的模型的分辨能力。考试真题

 

模型拟合程度

• 过拟合：模型把训练样本学习的“太好了”，可能把一些训练样本自身的特性当作所有样本都有的性质，导致泛化能力下降。
• 欠拟合：模型在训练的过程中，没有很好的捕捉数据特征；