10、传统机器学习与深度学习入门指南

传统机器学习与深度学习入门指南

传统机器学习算法

1. 模型性能比较与选择
   在机器学习中，最近邻模型和逻辑回归模型的性能相近。此时，你可以选择调整超参数，或者决定部署其中一个模型。有工具能让你轻松地对多种分类器进行原型设计，并评估每个分类器，以确定哪个最适合在生产环境中部署。
2. 无监督学习 - 聚类
   • 聚类概述 ：无监督学习是一种仅从输入数据中学习，而无需访问任何目标信息的机器学习类型。聚类是最常见的无监督学习类型之一，它是在数据集中识别相似数据点的簇或组的过程。常见的聚类方法包括K-Means聚类、层次聚类、谱聚类等。
   • K-Means聚类 ：K-Means聚类是实践中最常见的聚类类型，它随机将K个质心分配到数据集中的随机点，并迭代更新每个质心，直到达到最优配置。例如，对于在线商店的购物者行为数据集，你可以使用K-Means聚类对购物者行为进行聚类，了解访问你商店的购物者的一般类型，如重度消费者和非确定性浏览者。
   • 确定聚类数量 ：聚类的一个核心挑战是确定合适的聚类数量。通常，你需要可视化数据集并进行某种高级分析来确定合适的聚类数量。因为现实世界的数据往往比较复杂，不一定能很好地聚类。
   • K-Means聚类代码示例 ：

# 训