机器学习入门（概念、开发流程、sklearn库）

机器学习概述

  人工智能概述
    机器学习是人工智能的一个实现途径
    深度学习是机器学习的一个方法发展而来
  机器学习、深度学习能做些什么？
    传统预测
    图像识别
    自然语言处理
  什么是机器学习？
    机器学习是从数据中子自动分析获得模型，并利用模型对未知数据进行预测。
    数据
    模型
    预处
  从历史数据当中获得规律？这些历史数据是怎样的格式？
    数据集构成：特征值 + 目标值
    注：
      （1）对于每一行数据我们可以称之为样本
      （2）有些数据集可以没有目标值
  机器学习算法分类：
    监督学习：
      目标值：类别 - 分类问题
        分类算法：K-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
      目标值：连续型的数据 - 回归问题
        回归算法：线性回归、岭回归
     定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值（称为回归），或是输出是有限个离散值（称作分类）。
    无监督学习：
      目标值：无 - 无监督学习
     定义：输入数据是由输入特征值所组成
      聚类算法：k-means
  机器学习开发流程
    （1）获取数据
    （2）数据处理
    （3）特征工程
    （4）机器学习算法训练 - 模型
    （5）模型评估
    （6）应用
  学习框架和资料介绍
    （1）算法是核心，数据与计算是基础
    （2）找准定位
    （3）怎么做？
      1. 入门
      2. 实战类书籍
      3. 机器学习 - 周志华
      统计学习方法 - 李航
      深度学习 - “花书”
    （4）机器学习库与框架
  特征工程
    数据集
      可用数据集
        学习阶段可以用的数据集：
          1）sklearn
            安装：
              pip3 install Scikit-learn==0.91.1
                安装好之后可以通过以下命令查看是否安装成功
              import sklearn
            注：安装scikit-learn需要Numpy,Scipy等库
            scikit-learn数据集API介绍
              sklearn.datasets
                加载获取流行数据集
              datasets.load_()
                获取小规模数据集，数据包含在datasets里
              datasets.fetch_(data_home=None)
                获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集下载的目录，默认是~/scikit_learn_data/
            sklearn数据集返回值介绍
              load和fetch返回的数据类型datasets.base.Bunch(字典格式)
                data：特征数据数组，是[n_samples * n_features]的二维numpy.ndarray数组
                target：标签数组，是n_samples的一维numpy.ndarray数组
                DESCR：数据描述
                feature_names：特征名，新闻数据，手写数字、回归数据集没有
                target_names：标签名
            数据集的划分
              训练数据：用于训练，构建模型
              测试数据：在模型检验时使用，用于评估模型是否有效
                测试集 20%~30%
              数据集划分api
                sklearn,model_selection.train_test_split(arrays, *options)
                  x 数据集的特征值
                  y 数据集的标签值
                  test_size 测试集的大小，一遍为float
                  random_state 随机数种子，不同的种子会造成不同随机d采样结果。相同的种子采样结果相同。
                  return 训练集特征值(x_train)，测试集特征值(x_test)，训练集目标值(y_tarin)，测试集目标值(y_test)
            2）kaggle：
            3）UCI

本节代码如下

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split


def datasets_demo():
    """
    sklearn数据集使用
    :return:
    """
    # 获取数据集
    iris = load_iris()
    print("鸢尾花数据集：\n", iris)
    print("查看数据集描述：\n", iris["DESCR"])
    print("查看特征值的名字：\n", iris.feature_names)
    print("查看特征值：\n", iris.data, iris.data.shape)

    # 数据集划分
    x_train, x_test, y_train, y_test=train_test_split(iris.data, iris.target, test_size=0.2, random_state=22)
    print("训练集的特征值：\n", x_train, x_train.shape)

    return None

if __name__== "__main__":
    # 代码1：sklearn数据集使用
    datasets_demo()