21、机器学习与 scikit-learn 实战

机器学习与 scikit-learn 实战

1. 机器学习基础

机器学习是研究数据分析中模式识别方法的学科，旨在开发从数据中学习并进行预测的算法，每种方法都基于构建特定模型。学习问题可分为监督学习和无监督学习两大类：
- 监督学习 ：训练集包含要预测的目标属性，可指导模型对新数据给出类似预测。
- 分类 ：训练集数据属于两个或更多类别，能让系统学习区分各类别的特征，对新数据进行类别判断。
- 回归 ：要预测的值是连续变量，例如通过散点图中的一系列点找到描述趋势的直线。
- 无监督学习 ：训练集仅包含输入值，无对应目标值。
- 聚类 ：发现数据集中相似样本的组。
- 降维 ：将高维数据集降为二维或三维，不仅利于数据可视化，还能将高维数据转换为低维数据，使每个低维维度传达更多信息。

此外，还有用于验证和评估模型的方法。在机器学习中，通常将数据分为训练集和测试集，训练集用于学习数据属性，测试集用于测试这些属性。

2. scikit-learn 中的监督学习

scikit-learn 中的监督学习示例包括：
- 分类 ：使用鸢尾花数据集。
- K 近邻分类器
- 支持向量机（SVC）
- 回归