机器学习初

        定义概念：机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

---

     数据集 =》 训练 =》 模型 

     Built on NumPy, SciPy, and matplotlib、pandas

---

机器学习里面的常用术语 ：（例）

    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

---

机器学习分类

     1. 监督学习（Supervised Learning）表示机器学习的数据是带标记的，这些标记可以包括数据类别、数据属性及特征点位置等。这些标记作为预期效果，不断修正机器的预测结果。

                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（Unsupervised Learning）表示机器学习的数据是没有标记的。机器从无标记的数据中探索并推断出潜在的联系。

                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

---

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 

---

Numpy

        NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库

---

创建一维数组：
    1.数据类型转化
    2.内置函数

创建二维数组：
    1.数据类型转化
    2.内置函数

数组属性： 
    1.修改 sharp 
    2.转换数据类型： 
        1.nparr =》 python 
        2.nparr元素 int =》 float

数组切片： 
    切片：取值

一维数组： 

二维数组：

根据条件进行取值

ifnull(condition,xx,xxx)

5.数组的轴 (axis)
    1.numpy 轴 可以理解为方向 
    2.数组 0 1 2 表示
        eg ：
            一维数组：只有一个 0 轴
            二维数组：0轴 1轴
            三维数组：0轴 1轴 2轴

    3.轴 用于计算：
        按照 0、1、2轴进行计算

np.xxx()  api 

np.sum
np.mean 

6.数组的计算

跟矩阵一样：
    1.数组与数的计算
    2.形状相同的数组计算
    3.不同形状的数组 计算？ 
    4.行数 或 列数相同的 一维数组 与 多维数组 进行计算

7.数组中的空值 

数组的操作：

8.random 

---

练习：创建九九乘法表（numpy ,矩阵，只求输出结果）

import numpy as np
if __name__ == '__main__':
 n=10
for x in range(1,n):
    h = np.arange(1, x+1)
    #v=h*x
    print( h * x, end="  ")
    print(" ")