3、机器学习的基础：从数据预测到偏差 - 方差权衡

机器学习的基础：从数据预测到偏差 - 方差权衡

在机器学习的实践中，我们常常需要进行各种预测。例如，在自行车共享服务中，我们可以根据不同的因素来预测每天的骑行人数。

1. 温度预测骑行人数

首先，我们可以通过取特定温度附近几天的骑行人数平均值来进行预测。例如，当温度为28度时，我们选取温度最接近28度的5天数据，计算其总骑行人数的平均值：

mean(day1$tot[do5])

输出结果为5188.4，我们便可以预测在28度的日子里，大约会有5200名骑手使用自行车共享服务。不过，这里存在一些问题，比如为什么选择温度最接近28度的5天呢？5这个样本数量是太小还是足以做出准确的预测？这是机器学习中的一个核心问题。

2. 虚拟变量和分类变量

在处理数据集时，我们需要理解数据中代表虚拟变量的列。虚拟变量只取1和0两个值，取决于是否满足特定条件。例如，在 workingday 列中，0表示“否”（该日期不是工作日），1表示“是”（该日期是工作日）。像2011 - 01 - 05在 workingday 列的值为1，说明这是一个工作日。

虚拟变量有时也被正式称为指示变量，因为它们指示某个条件是否成立（代码1表示成立，0表示不成立）。在机器学习领域，另一个常用的术语是独热编码。

自行车共享数据中还包含分类变量，如 mnth 和 weekday ，以及 weathersit