机器学习算法
数据类型:
不同类型的数据集采用的算法是不一样的。总体来说,生活场景中只有两种类型的数据,一种是离散型,一种是连续型:
1.离散型数据:由记录不同类别个体的数目所得到的数据,又称计数数据,所有这些数据全部都是整数,而且不能再细分,也不能进一步提高他们的精确度。比如分类就是离散型数据。
2.连续型数据:变量可以在某个范围内取任一数,即变量的取值可以是连续的。如,长度、时间、质量值等,这类数通常是非整数,含有小数部分。|
可用数据集:
1. Kaggle :一个大数据竞赛平台,上面的数据都是真实的,并且有很多数据集。网址是https : / /www.kaggle.com/datasets
2. UCI :收录了360个数据集,覆盖了科学、生活、经济等领域。网址是http://archive.ics.uci.edu/ml/
3. scikit-learn 数据集:用于学习的数据集,数据量比较小,但是方便获取和学习。网址 http://scikit-learn.org/stable/datasets/index.html#datasets 。
监督学习和无监督学习:
1.监督学习(英语: Supervised learning),可以由输入数据中学到或建立一个模型,并依此模式推测新的结果。输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归),或是输出是有限个离散值(称作分类)。
2.无监督学习(英语:UnSupervised learning),可以由输入数据中学到或建立一个模型,并依此模式推测新的结果。输入数据是由输入特征值所组成。
算法分类:
1.监督学习:
。分类:K近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络。
。回归:线性回归、岭回归。
2.无监督学习:
。聚类:k-means 。