【MOOC】Python机器学习应用-北京理工大学 - 学期课程导学
1.机器学习简介
1.1.机器学习的目的
机器学习是实现人工智能的手段，其主要研究内容是如何利用数据或经验进行学习，改善具体算法的性能
• 多领域交叉，涉及概率论、统计学，算法复杂度理论等多门学科
• 广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用
1.2.机器学习的分类
机器学习一般分为下面几种类别
• 监督学习 （Supervised Learning）
• 无监督学习 （Unsupervised Learning）
• 强化学习（Reinforcement Learning，增强学习）（可参考这个视频理解）
• 半监督学习（Semi-supervised Learning）(介于监督和无监督学习之间)
• 深度学习 (Deep Learning)（利用深层神经网络抽象得表示数据特征的一种方法）
1.3.Python Scikit-learn
•官网首页： http://scikit-learn.org/stable/
• Machine Leaning in Python
• 一组简单有效的工具集
• 依赖Python的NumPy，SciPy和matplotlib库
• 开源、可复用
本课程也主要注重于sklearn的使用方法，对于算法的原理不做过多深究
常用函数：
1.4.课程目标
• 了解基本的机器学习原理及算法
• 学习利用机器学习算法解决应用问题的能力
• 掌握sklearn库中常用机器学习算法的基本调用方法，避免重复造车
2.相关书籍及课程推荐[重点-良心推荐]
图书：
《机器学习》-周志华
《PRML》-Bishop 民间评价：“早知此书，PhD早毕业2年”
课程：
《Machine Learning》-Andrew Ng（机器学习入门）
主页： http://cs229.stanford.edu/
Coursera版: https://www.coursera.org/learn/machine-learning
Stanford手书版: http://open.163.com/special/opencourse/machinelearning.html
《CS231n: Convolutional Neural Networks for Visual Recognition》- Fei-Fei Li（深度学习）
主页： http://cs231n.stanford.edu/
《Reinforcement Learning》- David Silver（增强学习）
主页：http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html
在线观看：https://www.youtube.com/watch?v=2pWv7GOvuf0
3.sklearn库中的标准数据集及基本功能
3.1.标准数据集
总览：
举例：
->波士顿房价数据集
介绍：波士顿房价数据集包含506组数据，每条数据包含房屋以及房屋周围的详细信息。其中包括城镇犯罪率、一氧化氮浓度、住宅平均房间数、到中心区域的加权距离以及自住房平均房价等。因此，波士顿房价数据集能够应用到回归问题上。
属性描述：
| 属性 | 描述 |
|---|---|
| CRIM | 城镇人均犯罪率 |
| ZN | 住宅用地超过 25000 sq.ft. 的比例 |
| INDUS | 城镇非零售商用土地的比例 |
| CHAS | 查理斯河空变量（如果边界是河流，则为1；否则为0） |
| NOX | 一氧化氮浓度 |
| RM | 住宅平均房间数 |
| AGE | 1940 年之前建成的自用房屋比例 |
| DIS | 到波士顿五个中心区域的加权距离 |
| RAD | 辐射性公路的接近指数 |
| TAX | 每 10000 美元的全值财产税率 |
| PTRATIO | 城镇师生比例 |
| B | 1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例 |
| LSTAT | 人口中地位低下者的比例 |
| MEDV | 自住房的平均房价，以千美元计 |
部分数据：
使用方法：
使用sklearn.datasets.load_boston即可加载相关数据集，其重要参数为：
• return_X_y: 表示是否返回target（即价格），默认为False，只返回data（即属性）
使用举例：
>>> from sklearn.datasets import load_boston
>>> boston = load_boston()
>>> print(boston.data.shape)
(506, 13)>>> from sklearn.datasets import load_boston
>>> data, target = load_boston(return_X_y=True)#区别在这里
>>> print(data.shape)
(506, 13)
>>> print(target.shape)
(506)->鸢尾花数据集
介绍：鸢尾花数据集采集的是鸢尾花的测量数据以及其所属的类别。
测量数据包括：萼片长度、萼片宽度、花瓣长度、花瓣宽度。类别共分为三类：Iris Setosa，Iris Versicolour，Iris Virginica。该数据集可用于多分类问题。
部分数据：
使用方法：
使用sklearn.datasets. load_iris即可加载相关数据集，其重要参数有：
• return_X_y: 若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target）。
使用举例：
>>> from sklearn.datasets import load_iris
>>> iris = load_iris()
>>> print(iris.data.shape)
(150, 4)
>>> print(iris.target.shape)
(150, )
>>> list(iris.target_names)
['setosa', 'versicolor', 'virginica']->手写数字数据集
介绍：手写数字数据集包括1797个0-9的手写数字数据，每个数字由8*8大小的矩阵构成，矩阵中值的范围是0-16，代表颜色的深度。
部分数据：
使用方法：
使用sklearn.datasets.load_digits即可加载相关数据集，其参数包括：
• return_X_y:若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target） ；
• n_class：表示返回数据的类别数，如：n_class=5,则返回0到4的数据样本。
使用举例：
>>> from sklearn.datasets import load_digits
>>> digits = load_digits()
>>> print(digits.data.shape)
(1797, 64)
>>> print(digits.target.shape)
(1797, )
>>> print(digits.images.shape)
(1797, 8, 8)
>>> import matplotlib.pyplot as plt
>>> plt.matshow(digits.images[0])
>>> plt.show()输出：
3.2.sklearn库的基本功能
sklearn库的共分为6大部分，分别用于完成分类任务、回归任务、聚类任务、降维任务、 模型选择以及数据的预处理。
