《机器学习实战》读书笔记（一）机器学习基础

前言：作者书写《机器学习实战》读书笔记一系列的文章所采用的环境为Windows，软件为VScode（Visual Studio Code），编程语言为Python（3.7.0版本），本文意在记录作者学习机器学习的过程，如果有错误的地方可以私信作者，再次感谢大家对作者的支持！

 

第一章：机器学习基础

1.1何谓机器学习

机器学习就是把无数的数据转换成有用的信息。 
机器学习横跨计算机科学、工程技术和统计学等多个学科，对于任何需要解释并操作数据的领域都有所裨益。 
机器学习用到了统计学知识，因为现实世界中很多例子我们无法为其建立精确的数学模型，所以需要统计学工具。

 

1.2专业术语

特征、分类、训练集、目标变量、测试数据、知识表示等

有兴趣的朋友可以看我写的另一篇文章，附上链接：https://blog.youkuaiyun.com/qq_38172282/article/details/90813120

 

1.3机器学习的主要任务

监督学习：分类和回归。

无监督学习：聚类和密度估计。

 

1.4如何选择合适的算法

• 首先考虑使用机器学习的目的。
• 考虑分析或收集的数据是离散型还是连续型。离散型适合分类，连续型适合回归。
• 是否考虑将数据划分成离散的，可以使用无监督学习中的聚类；如果还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。

 

1.5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
        3）分析输入数据：通过一维、二维、三维图形展示数据也是不错的方法，但是一般是多维的。但是多维也可以通过图形化展示的。这一步的作用主要是确保没有垃圾数据。
        4）训练算法：机器学习算法从这一步才真正开始学习。
        5）测试算法
        6）使用算法：将机器学习算法转换为应用程序。
 

1.6Python语言的优势

（1）Python的语法清晰；（2）易于操作纯文本文件；（3）使用广泛，存在大量的开发文档。

和MATLAB相比Python是免费的，其插件是开源的。 和Java、C相比，Python不需要编写大量冗余的代码。

Python唯一的不足就是性能问题

 

1.7Numpy函数库基础

安装Numpy库极为简单，Windows环境下在安装好Python后，点击电脑键盘上的"WIN+R"键，输入cmd，敲击回车

进入命令行程序后，直接输入pip install Numpy，点击回车，即可安装Numpy库。如下图所示

图中第一个红色圈上面一行代码，表示电脑已经安装好Numpy库。

下面为测试部分Numpy库的代码，由于书上的部分代码适用于Python2.0，不适用于最新版本，如果您选择的是Python3.0以上版本，请按照下面的代码进行学习。

import numpy as np

#生成4行4列随机数组
sample1 = np.random.random((4,4)) 
print(sample1,"\n")

#生成4行3列从0到10的随机整数
sample2 = np.random.randint(0,10,size=(4,3))
print(sample2,"\n")

#数组变矩阵
sample3 = np.mat(sample1)
print(sample3,"\n")

#矩阵求逆,将下面中的.I换成.T就变化为矩阵转置
A = np.matrix([[1,2],[3,4]])
sample4 = A.I #有兴趣可以尝试一下转置
print(A)
print(sample4,"\n")

#矩阵相乘，仍然采用上述创建好的矩阵A
sample5 = A*A
print(sample5,"\n")

#创建单位矩阵
sample6 = np.eye(4,4)
print(sample6,"\n")

上述代码均为测试好的代码，如有疑问，欢迎私信！