机器学习主要任务是分类
机器学习算法有很多,最终决定使用某个机器学习算法进行分类首先要做的是算法训练
训练集:为算法输入的大量已分类数据 是用于训练及其学习算法的数据集合
训练集中有特征和目标变量
特征或者属性通常是训练样本集的列,他是独立测量的结果,多个特征联系在一起共同组成的一个训练样本。
目标变量:机器学习算法的预测结果。
机器学习的另一项任务是回归(主要用于预测数值型数据)
分类 和 回归 都是监督学习
聚类 属于无监督学习:其中数据没有类别信息,不会给定目标值,
在无监督学习中,将数据集合分成由类似对象组成的多个类的过程就是聚类
监督学习的用途:
1. k-近邻算法(kNN) 线性回归
2. 朴素贝叶斯算法 局部加权线性回归
3. 支持向量机(SVM) Ridge回归
4. 决策树 Lasso最小回归系数分析
无监督学习的用途:
1. K-均值(k-means) 最大期望算法
2. DBSCAN Parzen窗设计
选择合适的算法:
目标变量是离散型的 选择分类算法
目标变量是连续型的 选择回归算法
不想预测目标变量的值 选择无监督学习算法
分析是否将数据划分为离散的组,使用聚类算法
估计数据与每个分组的相似程度 使用密度估计算法
考虑数据问题:
特征值是离散型变量还是连续型变量。
特征值中是否存在缺失值,什么原因造成缺失值,是否存在异常值
某个特征发生的频率如何
开发及其学习应用程序的步骤