8、机器学习中的建模与分类预测

机器学习中的建模与分类预测

1. 监督学习与无监督学习

机器学习问题主要分为监督学习和无监督学习两类。监督学习问题中，我们拥有一组训练数据的目标变量；而无监督学习问题则没有明确的目标变量。目前大多数机器学习问题本质上是监督学习，多数机器学习技术也是为解决监督学习问题而设计的。

无监督学习中，我们只有输入特征，没有相关的目标变量。无监督学习主要有以下两类：
- 聚类 ：利用输入特征发现数据中的自然分组，并将数据划分到这些组中。常用方法有 k - 均值、高斯混合模型和层次聚类。
- 降维 ：将输入特征转换为少量能捕捉数据大部分变异性的坐标。常用方法有主成分分析（PCA）、多维标度和流形学习。

虽然聚类和降维（尤其是 k - 均值和 PCA）很受欢迎，但在需要监督学习方法时，它们常被滥用或不当使用。不过，无监督学习在机器学习中也起着重要作用，常支持监督学习问题，例如帮助编译训练数据或推导新的输入特征。

2. 分类：预测到类别中

在机器学习中，分类是指使用机器学习算法构建的分类器将新数据预测到不同的类别中。例如，垃圾邮件检测器将邮件分为垃圾邮件和非垃圾邮件，手写数字识别器将图像分为 0 到 9 等不同类别。

下面以泰坦尼克号乘客数据集为例，介绍如何基于现有数据构建分类器。通常，开始机器学习项目的最佳方法是通过可视化来了解数据。以泰坦尼克号数据为例，从可视化结果可以看出女性的存活率高于男性。但需要注意的是，单个特征的表现并不一定能代表其与其他特征组合时的表现，这也是使用机器学习算法的主要原因之一，即发现人类难以轻易发现的多维度信号。