python机器学习（二）

声明：

因为本人是业余学习，编程学习笔记内容以简要概括库的应用场景和基本特性为主，为后续找到合适的应用场景服务，学习编程更注重效用性，不然知识可能随意会遗忘。

监督学习：

应用场景,

金融，贷款审批判断

医学，病理判断

电信，诈骗判断

网页，垃圾邮件判断

案例：

KNN近邻分类器，

Nbyes

决策树分类器，应用场景，贷款审批

朴素贝叶斯分类器，生成学习方法

SVM分类器，交叉验证法

概念：

线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间互相依赖的定量关系的一种统计分析方法。

用途：

1. 对观测数据集的y和x的值拟合出一个预测模型
2. 给定一个y和一些x,x2,x3....分析y与这些x的关联强大，识别哪些有关联

多项式回归是研究一个因变量与一个或多个自变量多项式的回归分析方法。如果自变量只有一个，则为一元多项式；如果自变量有多个时，称为多元多项式回归。

函数关系式中，某特定的数会随另一个（或另几个）会变动的数的变动而变动，就称为因变量。如：Y=f(X)。此式表示为：Y随X的变化而变化。Y是因变量，X是自变量。