机器学习基础知识

机器学习：
    1.概念：Simple and efficient tools for predictive data analysis
    【预测数据分析结果】

    用机器代替人做决策

    数据集 =》 训练 =》 模型 

    2.Built on NumPy, SciPy, and matplotlib、pandas

2.机器学习里面的常用术语 ：

    (1)数据集准备
        色泽= 绿色 、根=弯曲 、 敲声 = 浑浊  =》 熟的 
        色泽= 黑色 、根=弯曲 、 敲声 = 沉闷  =》 生的 
        色泽= 红色 、根=弯曲 、 敲声 = 清脆  =》 生的

    数据集：这组数据 的集合 
    样本：每一条数据
    维度：西瓜的判断条件
    标签(label)：结果的判断就是标签

    (2)模型怎么来的？ 

        数据集 =》 训练 =》基于某个算法 =》 模型 【数学公式】

    机器学习的模型作用：
        输入三个维度 =》 判断出结果

    机器学习:  数据科学家 【基于数据 =》 分析 一些问题】
        1.数学 =》 算法 knn、kmeans 、线性回归、逻辑
        2.会写代码

3.机器学习的种类：
    (1)有监督学习： 结果是 label的
        1.分类：
            通过模型 判断结果  生的还是熟的
        2.回归： 
            通过模型 判断结果 （熟了 0.9）
    (2)无监督学习：结果是 没有label的
        1.聚类： =》 sql  group by 
    (3)半监督学习: 
        使用标记数据+为标记数据 进行训练
    (4)强化学习：
        阿法狗

4.如何判断模型好不好？ 
    (1)正确率、错误率
        正确率：（tp+tn） / (tp+tn+fp+fn)
        错误率率：（fp+fn） / (tp+tn+fp+fn)
    (2)精确率、召回率
        P 精确率：（tp） /(tp+fp) 
        R 召回率：(tp) /(tp+fn)
    (3)真正率、假正率：
        tpr= 
        fpr=
        roc 和auc 

5.Numpy pandas matplotlib
统计分析、假设、线下回归、逻辑回归、knn、朴素贝叶斯、aqi、时间序列、决策树、kmeans、分类模型评估