《机器学习实战》第一章，机器学习基础

第一章，机器学习基础

 

一、何谓机器学习

 

1、机器学习能让我们自数据集中受到启发，换句话说，我们会利用计算机彰显数据背后的真实含义。这才是机器学习的真实含义。它既不是只会徒然模仿的机器人，也不是具有人类感情的仿生人

2、机器学习就是把无序的数据转换成有用的信息

3、机器学习用到了统计学的知识

4、在社会科学领域，正确率到60%以上的分析被认为是非常成功的

 

二、关键术语

 

1、特征或者属性：数值型（十进制）、二值型（有/无或0/1）、枚举型（鸟类后背颜色）

2、特征或者属性通常是训练样本集的列，它们是独立测量得到的结果，多特征联系在一起共同组成一个训练样本

 

三、机器学习的只要任务

 

1、机器学习的主要任务就是分类

2、机器学习的另一项任务是回归，它主要用于预测数值型数据

3、分类和回归属于监督学习，之所以称为监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息

4、与监督学习相对应的是无监督学习，此时数据没有类别信息，也不会给定目标值

5、在无监督学习中，将数据集合分成有类似的对象组成的多个类的过程被称为聚类，将寻找描述数据统计值的过程称之为密度估计

6、机器学习的主要任务如下：

用于执行分类、回归、聚类和密度估算的机器学习算法

监督学习用途
K-邻近算法	线性回归
朴素贝叶斯算法	局部加权线性回归
支持向量机	Ridge回归
决策树	Lasso最小回归系数估计
无监督学习的用途
K-均值	最大期望算法
DBSCAN	Parzen窗设计

 

四、如何选择合适的算法

 

1、首先考虑使用机器学习的目的

2、如果想要预测目标变量的值，则可以选择监督学习算法，否则选择无监督学习算法

 

监督学习算法

 

3、确定选择监督学习算法之后，需要进一步确定目标变量类型

4、如果目标变量是离散型，如是/否、1/2/3、A/B/C，或者红/黑/蓝，则可以选择分类算法

5、如果目标变量是连续性的数值，如0.0-100.00、-999-999等，则选择回归算法

 

无监督学习算法

 

6、如果不想预测目标变量的值，则选择无监督学习算法

7、进一步分析是否需要将数据划分为离散的组，如果这是唯一的要求，则使用聚类算法

8、如果需要估计数据与每个分组的相似程度，则需要使用密度估计算法

 

注：选择恰当的机器学习算法，也并非一成不变

 

五、开发机器学习应用程序的步骤

 

1、收集数据

2、准备输入数据。数据预处理，确保数据格式符合要求

3、分析输入数据。人工分析，查看数据是否为空值、是否存在明显异常值，确保数据集中没有垃圾数据

4、训练算法。机器学习算法从这一步开始真正学习，第4第5步时机器学习算法的核心

注：如果使用无监督算法，由于不存在目标变量值，故而也不需要训练算法，所以与算法相关的内容都集中在第5步

5、测试算法。使机器学习得到知识信息，为了评估算法必须测试算法工作的效果。如果输出结果不满意，则可以返回第4步，改正并加以测试

6、使用算法。将机器学习算法转换为应用程序

 

六、Python语言的优势

 

1、语法清晰

2、易于操作纯文本文件

3、使用广泛，存在大量的开发文档