机器学习实战-1-基础

1.机器学习任务

名称	任务	监督学习
k-近邻算法	线性回归	是
朴素贝叶斯	局部加权线性回归	是
支持向量机	Ridge回归	是
决策树	Lasso最小回归系数估计	是
K-均值	最大期望算法	否
DBSCAN	Parzen窗设计	否

 

2.如何选择合适的机器学习算法

（1）考虑使用机器学习算法目的

如果要预测目标变量值，可选监督学习算法；否则选非监督学习算法；选定了监督方法，需要进一步确定目标变量类型，离散类型可选择分类算法，连续类型选择回归算法

（2）考虑数据问题

了解数据的以下特征，特征值是离散的还是连续性的，特征值中是否包含缺失值，何种原因造成的缺失，数据中是否包含异常值，某个特征发生的频率等。

3.机器学习步骤

（1）收集数据

（2）准备输入数据

（3）分析输入数据：人工分析手中的数据，确保数据集中没有垃圾数据。

（4）训练算法

（5）测试算法

（6）使用算法