10、机器学习基础与数据处理全解析

机器学习基础与数据处理全解析

在机器学习领域，有许多强大的工具和技术可以帮助我们处理数据、构建模型。本文将深入探讨一些关键的机器学习概念、工具和数据处理方法。

1. 常用机器学习库

Scikit - learn 是最受欢迎且广泛使用的机器学习库，它基于 SciPy 构建，拥有丰富的监督和无监督学习算法。Statsmodels 则是对 SciPy 包的补充，是运行回归模型的最佳包之一，能为模型的每个估计器提供丰富的统计结果。

2. 机器学习中的数据视角

数据是与业务背景相关的事实和数字，由两个方面组成：
- 对象 ：如人、树、动物等。
- 属性 ：为对象记录的属性，如年龄、大小、重量、成本等。

当测量对象的属性时，会得到因对象而异的值，这些属性也被称为变量。从取值类型来看，变量可分为两类：
- 连续定量变量 ：可以在较大范围内取任意正或负数值，如零售销售额和保险索赔金额。
- 离散或定性变量 ：只能取特定值，如零售店的位置区域、州和城市。

3. 测量尺度

变量通常可以用四种不同的尺度进行测量：
| 测量尺度 | 属性 | 数学运算 | 描述性统计 |
| — | — | — | — |
| 名义尺度 | 身份 | 计数 | 众数、比例 |
| 顺序尺度 | 身份、大小 | 排序 | 众数、中位数、范围统计 |
| 区间尺度 | 身份、大小、相等间隔 | 加法