集成学习task1

机器学习的分类：有监督学习，无监督学习
有监督学习：有因变量，有特征向量，预测结果和未来，即有x和y
无监督学习：有x但是没有y，自行探索数据结构

1.1回归

下面展示一些 内联代码片。

// A code block
var foo = 'bar';

// An highlighted block
from sklearn import datasets
boston=datasets.load_boston()
x=boston.data
y=boston.target
features=boston.feature_names
boston_data=pd.DataFrame(x,columns=features)
boston_data['price']=y
boston_data.head()
plt.scatter(boston_data['NOX'],boston_data['price'])
plt.xlabel('NOX')
plt.ylabel('price')
plt.title('price~NOX')

1.2分类

下面展示一些 内联代码片。

// A code block
var foo = 'bar';

// An highlighted block
iris = datasets.load_iris()
x=iris.data
y=iris.target
features=iris.feature_names
iris_data=pd.DataFrame(x,columns=features)
iris_data['target']=y
iris_data.head()
marker=['s','x','o']
for index,c in enumerate(np.unique(y)):
    plt.scatter(x=iris_data.loc[y==c,'sepal length (cm)'],y=iris_data.loc[y==c,'sepal width (cm)'],
               label=index, marker=marker[index])
plt.xlabel('sepal length (cm)')
plt.ylabel('sepal width (cm)')
plt.legend()

1.3无监督学习

下面展示一些 内联代码片。

// A code block
var foo = 'bar';

// An highlighted block
from sklearn import datasets
x, y = datasets.make_moons(n_samples=2000, shuffle=True,
 noise=0.05, random_state=None)
for index,c in enumerate(np.unique(y)):
    plt.scatter(x[y==c,0],x[y==c,1],s=7)
plt.show()