前言
一、机器学习算法分类
机器学习算法可分为有监督学习、无监督学习、半监督学习和强化学习。
知道有这几种之后,我们还要知道:
监督学习是什么?
无监督学习是什么?
半监督学习是什么?
强化学习是什么?
能掌握监督学习、无监督学习的数学表示
1.有监督学习&无监督学习
2.有监督分类问题&回归问题
3.无监督再举例
无监督学习特点:①训练数据无标签
②根据样本间的相似性对样本集进行聚类,发现事物内部结构及相互关系
4.半监督学习
5.强化学习
①强化学习(Reinforcement Learning):机器学习的一个重要分支
②应用场景:里程碑AlphaGo围棋、各类游戏、对抗比赛、无人驾驶场景
③基本原理:通过构建四个要素:agent,环境状态,行动,奖励,agent根据环境状态进行 行动获得最多的累计奖励。
6.机器学习算法分类-总结
7.练习
机器学习算法可分为哪些类别?分别说一说各自的特点?
1 按照学习方式分类可分为:监督学习,无监督学习,半监督学习,强化学习
2 监督学习:输入训练集数据包含输入特征值和目标值回归:函数的输出是一个连续的值分类:函数的输出是有限个离散值
3 无监督学习:输入训练集数据是由输入特征值组成,没有目标值比如:聚类根据样本间的相似性对样本集进行分类
4 半监督学习:训练集同时包含有目标值的样本数据和不含有目标值的样本数据
5 强化学习:智能体不断与环境进行交互,通过获取最大奖励的方式(试错的方式)来获得最佳策略;主要包含四个元素:Agent(智能体),环境(Environment),行动(Action),奖励(reward)
二、机器学习建模流程
1.机器学习建模流程
注:
在整个建模流程中,数据基本处理、特征工程一般是耗时、耗精力最多的。
2.有监督学习模型训练和模型预测
3.总结
机器学习建模的一般步骤
•获取数据:搜集与完成机器学习任务相关的数据集
•数据基本处理:数据集中异常值,缺失值的处理等
•特征工程:对数据特征进行提取、转成向量,让模型达到最好的效果
•机器学习(模型训练):选择合适的算法对模型进行训练
•根据不同的任务来选中不同的算法;有监督学习,无监督学习,半监督学习,强化学习
•模型评估:评估效果好上线服务,评估效果不好则重复上述步骤
4.练习
下面关于机器学习建模的流程每个步骤表示如下:
获取数据(3)、数据基本处理(1)、特征工程(6)、机器学习(模型训练) (5)、模型评估(4)、在线服务模型预测(2)。下列流程正确的是:
A)1->2–>3->4->5->6
B)3->1–>6->5->4->2
C)3->1–>6->2->5->4
D)1->3–>6->5->4->2
解析:最后是在线服务模型预测 正确答案B
三、特征工程概念入门
1.特征工程概念入门
2.特征工程概念入门--涉及内容
3.总结
①特征工程Feature Engineering
• 特征Feature:对任务有用的属性信息
• 特征工程:利用专业背景知识和技巧处理数据,让模型效果更好
②特征工程的内容
• 特征提取feature extraction:特征向量
• 特征预处理feature preprocessing:不同特征对模型影响一致性
• 特征降维Feature decomposition:保证数据的主要信息要保留下来
• 特征选择feature selection:从特征中选择出一些重要特征训练模型
• 特征组合feature crosses:把多个特征合并组合成一个特征
4.练习
有关特征工程说法正确的?(多选)
A)在机器学习整个工程项目中,一般情况下特征工程往往是耗时、耗精力最多工作
B)特征工程就是处理数据,不重要
C)特征提取一般是做数据的标准化、归一化等工作
D)特征降维会修改原始数据,特征选择不会修改原始数据
E)特征工程的好坏会影响模型的上限,是一项专项的工作;开发者需要掌握
解析:特征工程是很重要的B描述错误;特征提取从无到有的做行列向量数据,C描述错误。特征预处理做数据标准化、归一化前置处理工作。
答案(ADE)
四、模型拟合问题
我们需要解决的问题:
知道拟合是什么?
理解过拟合、欠拟合是什么?
知道过拟合、欠拟合出现的原因
理解泛化是什么?
1.拟合
• 拟合fitting 用在机器学习领域,用来表示模型对样本点的拟合情况
• 欠拟合under-fitting 模型在训练集上表现很差、在测试集表现也很差
• 过拟合over-fitting 模型在训练集上表现很好、在测试集表现很差
2.模型表现效果--欠拟合过拟合--从样本分布角度看
•欠拟合产生的原因:模型过于简单
•过拟合产的原因:模型太过于复杂、数据不纯、训练数据太少
•泛化Generalization:模型在新数据集(非训练数据)上的表现好坏的能力。
•奥卡姆剃刀原则:给定两个具有相同泛化误差的模型,较简单的模型比较复杂的模型更可取
3.总结
①过拟合欠拟合?
•拟合:用来表示模型对样本分布点的模拟情况
•模型在训练集上表现很差、在测试集表现也很差,是欠拟合
•模型在训练集上表现很好、在测试集表现很差,是过拟合
②过拟合欠拟合产生的原因
•欠拟合产生的原因:模型过于简单
•过拟合产生的原因:模型太过于复杂、数据不纯、训练数据太少
③泛化概念
•泛化Generalization:具体的、个别的扩大为一般的能力
•奥卡姆剃刀原则:给定两个具有相同泛化误差的模型,倾向选择较简单的模型
4.练习
下列有关过拟合欠拟合说法正确的?(多选)
A)欠拟合:模型学习到的特征过少,无法准确的预测未知样本
B)过拟合:模型学习到的特征过多,导致模型只能在训练样本上得到较好的预测结果,而在未知样本上的效果不好
C)欠拟合可以通过增加特征来解决
D)过拟合可以通过正则化、异常值检测、特征降维等方法来解决
答案:ABCD。解析:A欠拟合出现的原因B过拟合出现的原因C增加模型的复杂度D减低模型复杂度。
五、机器学习开发环境
基于Python的scikit-learn库
1.简单高效的数据挖掘和数据分析工具
2.可供大家使用,可在各种环境中重复使用
3.建立在NumPy,SciPy和matplotlib上
4.开源,可商业使用-获取BSD许可证
安装方法:pip install scikit-learn
官网:https://scikit-learn.org/stable/
基于Python的scikit-learn库
总结
本次学习主要了解机器学习算法分类,知道了几种学习方法;然后学习了机器学习建模流程,先搜集数据集,再模型训练,最后模型评估;对于特征工程,它可以利用专业背景知识和技巧,让模型效果更好,我们还要知道特征工程的内容;在学习模型拟合问题时,要知道拟合、欠拟合、过拟合,最后从模型看出产生的原因;最后给大家提供了机器学习开发环境的安装方法以及官网,希望对各位友友有帮助。谢谢大家!