机器学习实战笔记（一）机器学习基础

什么是机器学习？

机器学习能让我们从数据集中受到启发。我们会利用计算机来彰显数据背后的真实含义，这才是机器学习的真实含义。

机器学习就是把无序的数据转换成有用的信息。可以这么说，机器学习对于任何需要解释并操作数据的领域都有所裨益。

机器学习领域的关键术语

下表是用于区分不同鸟类需要使用的四个不同的属性值。

现实中，你可能会想测量更多的值。通常的做法是测量所有可测属性，然后再挑选出重要部分。

上面测量的这四种值称之为特征，也可叫属性，特征是专业的称呼。表中的每一行都是相关特征的实例。

特征可以分为两类：数值型和**标称型。**标称型的结果只在有限目标集中取值，如真与假、有与无、分类集合{棕色、灰色、黑色}。数值型则可以从无限的数值集合中取值，如0.01、42.0001、125.0等。这两类还可以继续细分。

上表中前两种特征即为数值型特征，后两种为标称型特征。更具体的，第三种是二值型，只可以取0或1、真或假、有与无，第四种是{棕色、灰色、黑色}的枚举类型。

机器学习的主要任务是什么？

分类、回归预测等

机器学习中分类问题的假设

我们通常将分类问题中的目标变量称为类别，并假定分类问题只存在有限个数的类别。

机器学习实现分类任务的步骤有哪些？

获取原始数据，进行数据预处理，得到含有所需的全部特征信息和目标变量的数据集。目标变量是机器学习算法的预测结果，在分类算法中目标变量的类型通常是标称型的，而在回归算法中通常是连续型的。
划分数据集，通常划分为两套独立的样本集：训练数据和测试数据，或训练集和测试集。训练集是用于训练机器学习算法的数据样本集合。测试集是用于测试模型训练效果的数据样本集合。
决定使用某个机器学习算法进行分类。分类机器学习算法有很多：k-近邻算法、决策树、朴素贝叶斯、Logistic回归、支持向量机等。
训练模型，为算法输入测试集。训练完成后输入测试集，注意的是测试集不提供目标变量，结果由算法模型进行预测。
比较测试样本预测的目标变量值与实际样本类别之间的区别，就可以得出算法的实际精确度。如100个测试集实例，算法预测对了78个，那么精确度就是78%

机器学习的分类

机器学习的另一项任务是回归，它主要用于预测数值型数据。

分类和回归属于监督学习，这类算法必须指导预测什么，即目标变量的分类信息。

与监督学习相对应的是无监督学习，数据没有类别信息，也不会给定目标值。

在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程被称为聚类；将寻找描述数据统计值的过程称之为密度估计。

此外，无监督学习还可以减少数据特征的维度，以便我们可以使用二维图形或三维图形更加直观地展示数据信息。

开发机器学习应用程序的步骤

收集数据，如制作网络爬虫从网站上抽取数据。为了节省时间和精力，可以使用公开可用的数据源。
准备输入数据。要确保数据格式符合要求
分析输入数据。确保数据集中没有垃圾数据。如空置和极大极小数据实例。
训练算法
测试算法
使用算法

为什么推荐用Python语言开发机器学习应用程序

语法清晰、易于操作纯文本文件、使用广泛，存在大量的开发文档。

Python比较流行，有丰富的模块库可以利用，缩短开发周期：

SciPy 和 NumPy等科学函数库都实现了向量和矩阵操作。
Matplotlib库可以绘制2D、3D图形

Python唯一的不足是性能问题，代码跑得慢。Python程序运行的效果不如Java或者C代码高，但是我们可以使用Python调用C编译的

机器学习实战笔记（一）机器学习基础相关推荐

机器学习实战笔记(Python实现)-04-Logistic回归
转自:机器学习实战笔记(Python实现)-04-Logistic回归转自:简单多元线性回归(梯度下降算法与矩阵法) 转自:人工神经网络(从原理到代码) Step 01 感知器梯度下降
《机器学习实战》chap1 机器学习概览
<机器学习实战>chap1 机器学习概览 Chap1 The Machine Learning Landscape 这本书第三版也已经出版了:https://github.com/ager ...
机器学习实战笔记(Python实现)-01-机器学习实战
今天发布一篇图片博客,看一下效果如何,如果效果,以后的博客尽量发图片上来. 机器学习实战本博客来自于CSDN:http://blog.csdn.net/niuwei22007/article/det ...
机器学习实战笔记(Python实现)-03-朴素贝叶斯
--------------------------------------------------------------------------------------- 本系列文章为<机器 ...
机器学习实战笔记(Python实现)-02-k近邻算法(kNN)
k近邻算法(kNN) 本博客来源于CSDN:http://blog.csdn.net/niuwei22007/article/details/49703719 本博客源代码下载地址:CSDN免费下载. ...
python实现线性回归预测_机器学习实战笔记(Python实现)-08-线性回归
--------------------------------------------------------------------------------------- 本系列文章为<机器 ...
机器学习实战基于_机器学习实战：基于Scikit-Learn和TensorFlow—第四章笔记
机器学习实战:基于Scikit-Learn和TensorFlow---第四章笔记一.学习目标之前用了那么多的机器学习的模型,但是它们各自的训练算法在很大程度上还是一个黑匣子,我们对对系统内部的实现 ...
机器学习入门笔记(二) 机器学习基础概念
第二章机器学习基础概念 1.机器的数据 2.机器学习的主要任务 3.监督学习和非监督学习 4.批量.在线学习.参数.非参数学习 5.哲学思考 6.环境的搭建 1.机器的数据我们以鸢尾花的数据为例. ...
机器学习实战——笔记（第一章）
机器学习基础目录机器学习的简单概述机器学习的主要任务算法选择与开发步骤 Python语言的优势一.机器学习的简单概述机器学习应用领域十分广泛,如人脸识别.推荐系统.手写数字辨识及垃圾邮件过 ...
机器学习实战 | AutoML自动化机器学习建模
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/41 本文地址:https://www.showmeai.tech/article-d ...

机器学习实战笔记（一）机器学习基础

机器学习实战笔记（一）机器学习基础相关推荐

最新文章

热门文章