1 机器学习处理流程:

2 机器学习分类:

• 有监督学习

  主要用于决策支持，它利用有标识的历史数据进行训练，以实现对新数据的表示的预测

  1 分类

  分类计数预测的数据对象是离散的。如短信是否为垃圾短信，用户是否喜欢电子产品

  常用方法: K近邻、朴素贝叶斯、决策树、SVM

  2 回归

  回归技术预测的数据对象是连续值。例如温度变化或时间变化。包括一元回归和多元回归，线性回归和非线性回归

  常用方法: 线性回归、逻辑回归、岭回归

• 无监督学习

  主要用于知识发现，在历史数据中发现隐藏的模式或内在结构

  1 聚类

  聚类算法用于在数据中寻找隐藏的模式或分组。K-means

• 半监督学习

  在半监督学习方式下，训练数据有部分被标识，部分没有被标识，这种模型首先需要学习数据的内在结构，以便合理的组织数据来进行预测。算法上，包括一些对常用监督式学习算法的延伸，这些算法首先试图对未标识数据进行建模，在此基础上再对标识的数据进行预测。

  常见方法: 深度学习

3 K-近邻算法原理

• KNN概述

  简单来说,K-近邻算法采用测量不同特征值之间的距离方法进行分类（k-Nearest Neighbor，KNN）

  优点: 精度高、对异常值不敏感、无数据输入假定

  缺点: 时间复杂度高、空间复杂度高

  1、当样本不平衡时，比如一个类的样本容量很大，其他类的样本容量很小，输入一个样本的时候，K个临近值中大多数都是大样本容量的那个类，这时可能就会导致分类错误。改进方法是对K临近点进行加权，也就是距离近的点的权值大，距离远的点权值小。

  2、计算量较大，每个待分类的样本都要计算它到全部点的距离，根据距离排序才能求得K个临近点，改进方法是：先对已知样本点进行剪辑，事先去除对分类作用不大的样本。

  适用数据范围 : 数值型和标称型

  1 标称型：标称型目标变量的结果只在有限目标集中取值，如真与假(标称型目标变量主要用于分类)

  2 数值型：数值型目标变量则可以从无限的数值集合中取值，如0.100，42.001等 (数值型目标变量主要用于回归分析)

• 工作原理

  1 样本训练集

  2 电影类别KNN分析

  3 欧几里得距离(欧式距离)

  

  4 KNN计算过程流程图

  

  入门案例 : 电影类型分析

    电影名称    动作镜头    接吻镜头    电影类别
  0 前任三         2       15          爱情
  1 复仇者联盟     36        3           动作
  2 杀破狼         24      1           动作
  3 战狼          29      2           动作
  4 泰坦尼克号       1       18          爱情
  5 大话西游        29      3           爱情
  6 星愿          2       20          爱情
  7 西游记         25      2           动作
  8 七月与安生       3       19        爱情

  import numpy as np
  import pandas as pd
  from pandas import Series,DataFrameimport matplotlib.pyplot as plt
  %matplotlib inline
  #从excel读取数据
  films = pd.read_excel('films.xlsx',sheet_name=1)
  train = films[['动作镜头','接吻镜头']]
  target = films['电影类别']# 创建机器学习模型
  from sklearn.neighbors import KNeighborsClassifier
  knn = KNeighborsClassifier()# 对knn模型进行训练
  # 构建函数原型、构建损失函数、求损失函数最优解
  knn.fit(train,target)
  '''
  KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',metric_params=None, n_jobs=1, n_neighbors=5, p=2,weights='uniform')
  '''
  #输入两个案例
  cat = np.array([[3,16],[20,4]])
  # 使用predict函数对数据进行预测
  knn.predict(cat)plt.scatter(train.values[:,0],train.values[:,1])
  plt.scatter(cat[:,0],cat[:,1],color='red')

  

  KNN近邻机器学习案例2

  from sklearn.neighbors import KNeighborsClassifier
  import numpy as np
  #knn对象
  neigh = KNeighborsClassifier(n_neighbors=3)#身高、体重、鞋的尺寸
  X = np.array([[181,80,44],[177,70,43],[160,60,38],[154,54,37],[166,65,40],[190,90,47],[175,64,39],[177,70,40],[159,55,37],[171,75,42],[181,85,43]])
  display(X)
  y = ['male','male','female','female','male','male','female','female','female','male','male']# 第1步：训练数据
  neigh.fit(X,y)
  # 第2步：预测数据
  Z = neigh.predict(np.array([[190,70,43],[168,55,37]]))display(Z)
  #array(['male', 'female'], dtype='<U6')   识别出对应的性格

4 KNN用于分类

• 用于分类的numpy方法介绍

  np.meshgrid 从坐标向量返回坐标矩阵

  import numpy as np
  nx, ny = 3, 4
  x = np.linspace(0, 1, nx)
  y = np.linspace(0, 1, ny)
  xv, yv = np.meshgrid(x, y)
  display(x,y,xv,yv)

  输出：
  array([ 0. , 0.5, 1. ])
  array([ 0. , 0.33333333, 0.66666667, 1. ])
  array([[ 0. , 0.5, 1. ],

     [ 0. ,  0.5,  1. ],[ 0. ,  0.5,  1. ],[ 0. ,  0.5,  1. ]])

  array([[ 0. , 0. , 0. ],
  [ 0.33333333, 0.33333333, 0.33333333],
  [ 0.66666667, 0.66666667, 0.66666667],
  [ 1. , 1. , 1. ]])
  ```

  np.ravel 返回一个连续的平坦矩阵

  x = np.array([[1, 2, 3], [4, 5, 6]])
  display(x,x.ravel())#输出：
  array([[1, 2, 3],[4, 5, 6]])
  array([1, 2, 3, 4, 5, 6])

  np.c_ 将切片对象按第二轴转换为串联

  np.c_[np.array([1,2,3]), np.array([4,5,6])]#输出：
  array([[1, 4],[2, 5],[3, 6]])

• 具体操作

  # 导入库：KNeighborsClassifier
  import numpy as np
  from sklearn.neighbors import KNeighborsClassifier
  import matplotlib.pyplot as plt
  from matplotlib.colors import ListedColormap# 导入sklearn自带数据集
  from sklearn import datasets# 得到训练样本
  iris = datasets.load_iris()
  X = iris.data[:,:2]
  y = iris.target#定义三种颜色代表三种蓝蝴蝶
  cmap_species = ListedColormap(['#FF0000','#00FF00','#0000FF'])
  #c对应颜色池映射到target值
  plt.scatter(X[:,0],X[:,1],c = y,cmap = cmap_species)
  plt.show()

  

  绘制图形之后进行KNN

  #定义KNN分类器
  clf = KNeighborsClassifier(n_neighbors=10)# 第1步：训练分类器
  clf.fit(X,y)# 图片的显示范围,画布的边界范围
  x_min, x_max = X[:,0].min()-1, X[:,0].max()+1
  y_min, y_max = X[:,1].min()-1, X[:,1].max()+1# 图片的背景显示坐标
  xx,yy = np.meshgrid(np.arange(x_min,x_max,0.02),np.arange(y_min,y_max,0.02))# 第2步：预测   ravel()数据扁平化
  Z = clf.predict(np.c_[xx.ravel(),yy.ravel()])
  z = Z.reshape(xx.shape)cmap_background = ListedColormap(['#FFAAAA','#AAFFAA','#AAAAFF'])
  # 显示背景的颜色
  plt.pcolormesh(xx,yy,z,cmap=cmap_background)# 显示点的颜色
  plt.scatter(X[:,0],X[:,1],c = y,cmap=cmap_species)
  plt.xlim(xx.min(),xx.max())
  plt.ylim(yy.min(),yy.max())
  plt.title('3-class classification')
  plt.show()

  

5 KNN用于回归

import numpy as np
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsRegressor
%matplotlib inlinex = np.linspace(0,2*np.pi,40)
y = np.sin(x)
plt.scatter(x,y)
plt.xlabel('feature')
plt.ylabel('target')# 随机数种子，用于固定随机数
np.random.seed(2)
noise = np.random.random(size=20) - 0.5
y[::2] += noise
plt.scatter(x,y)# 生成knn回归模型
# n_neighbors 就是距离预测样本最近的点的个数
knn = KNeighborsRegressor(n_neighbors=19)
knn.fit(x.reshape(-1,1),y)# 获取预测样本集
# 预测数据的形状应该和训练数据的形状一致（不要求数量一致，要求特征一致）
X_test = np.linspace(0,2*np.pi,100).reshape(-1,1)
y_ = knn.predict(X_test)plt.plot(X_test,y_,color='orange',label='predict')
plt.scatter(x,y,color='blue',label='true-data')
plt.legend()

# 创建多个算法模型，采用不同的参数，查看回归的结果
knn1 = KNeighborsRegressor(n_neighbors=1)
knn2 = KNeighborsRegressor(n_neighbors=7)
knn3 = KNeighborsRegressor(n_neighbors=21)knn1.fit(x.reshape(-1,1),y)
knn2.fit(x.reshape(-1,1),y)
knn3.fit(x.reshape(-1,1),y)y1_ = knn1.predict(X_test)
y2_ = knn2.predict(X_test)
y3_ = knn3.predict(X_test)# 拟合度过高，称为过拟合，对数据分析的过于在意局部特征
plt.plot(X_test,y1_,color='orange',label='n_neighbors=1')
# 拟合度刚好，称为最佳拟合，这是机器学习的终极目标，调参就是为了达到这个目的
plt.plot(X_test,y2_,color='cyan',label='n_neighbors=7')
# 拟合度太差，称为欠拟合，对数据特征分析不透彻，数据有效特征太少，样本数量太少
plt.plot(X_test,y3_,color='red',label='n_neighbors=21')
plt.scatter(x,y,color='blue',label='true-data')
plt.legend()