26、机器学习入门指南

机器学习入门指南

1. 聚类算法与降维算法

如果对聚类算法感兴趣，可通过链接 https://scikit - learn.org/stable/modules/clustering.html 了解十种聚类算法的详细信息，包括用例、可扩展性以及每种算法使用的指标。

涉及降维的重要机器学习算法如下：
- PCA（主成分分析）
- 核 PCA
- LLE（局部线性嵌入）
- t - SNE（t 分布随机邻域嵌入）

2. 机器学习任务

2.1 任务概述

机器学习任务通常按以下顺序进行（部分任务可能并非必需）：
1. 获取数据集
2. 数据清洗
3. 特征选择
4. 降维
5. 算法选择
6. 划分训练数据和测试数据
7. 训练模型
8. 测试模型
9. 模型微调
10. 获取模型指标

2.2 获取数据集

首先要为任务获取数据集。理想情况下，数据集已存在；否则，需从一个或多个数据源（如 CSV 文件、关系型数据库、NoSQL 数据库、Web 服务等）收集数据。

2.3 数据清洗

数据清洗可通过以下技术实现：
- 缺失值比率：若数据集缺失值过多，可使用该技术。极端情况下，可删除缺失值较多的特征。
- 低方差过滤：用于