机器学习算法分类及数据集划分

1. 需要明确的几个问题

2. 数据类型和算法分类

2.1 数据类型

2.2 机器学习算法分类

监督学习：既有特征值又有目标值。

无监督学习：只有特征值，无目标值。

2.3 监督学习

2.3.1 分类 (离散型)

1. K-近邻算法：机器学习之K-近邻算法(KNN)

2. 贝叶斯分类：机器学习之朴素贝叶斯算法

3.决策树与随机森林：机器学习之决策树、随机森林

4.逻辑回归：机器学习之线性回归、逻辑回归、岭回归和聚类算法

5.神经网络：深度学习之神经网络基础(一)

2.3.2 回归(连续型)

• 聚类

  • K-Means算法：机器学习之K-Means算法

  • DBSCAN算法：机器学习之DBSCAN聚类算法

3.机器学习开发流程

3.1 开发流程

3.2 开发流程[书本]

3.3 机器学习模型

4. 数据集划分

4.1 数据集划分的API

4.2 获取数据集返回的数据类型【taeget:目标值，**_names:特征值和目标值的名称，eg.身高，体重，性别等】

from sklearn.datasets import load_iris
li = load_iris()

print("获取特征值")
print(li.data)
print("目标值")
print(li.target)
print(li.DESCR)

4.3 数据集进行分割

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

li = load_iris()
# 注意返回值, 训练集 train  x_train, y_train        测试集  test   x_test, y_test
x_train, x_test, y_train, y_test = train_test_split(li.data, li.target, test_size=0.25)

print("训练集特征值和目标值：", x_train, y_train)
print("测试集特征值和目标值：", x_test, y_test)

训练集特征值和目标值： [[4.8 3.4 1.9 0.2]
							...
					  [6.4 2.8 5.6 2.2]]	
[0 2 1 2 0 2 0 1 0 1 0 2 0 2 0 0 0 2 2 1 1 2 1 1 2 0 1 1 0 2 2 2 1 0 1 2 0 0 1 1 1 2 2 0 1 1 0 1 0 1 1 1 2 2 0 0 2 1 1 0 2 1 0 1 2 2 1 1 1 0 0 1 1 1 0 2 0 0 2 2 2 1 2 2 0 0 0 1 1 1 2 0 1 0 2 2 2 0 0 0 1 2 2 1 2 1 2 2 0 0 2 2]

以上为sklearn的分类数据集，下面举例回归数据集，注意观察回归数据集和与分类数据集的不同

from sklearn.datasets import load_iris, load_boston

lb = load_boston()

print("获取特征值")
print(lb.data)
print("目标值")
print(lb.target)
print(lb.DESCR)

获取特征值
[[6.3200e-03 1.8000e+01 2.3100e+00 ... 1.5300e+01 3.9690e+02 4.9800e+00]
...
[4.7410e-02 0.0000e+00 1.1930e+01 ... 2.1000e+01 3.9690e+02 7.8800e+00]]
目标值
[24.  21.6 34.7 33.4 36.2 28.7 22.9 27.1 16.5 18.9 15.  18.9 21.7 20.4
...
8.1 13.6 20.1 21.8 24.5 23.1 19.7 18.3 21.2 17.5 16.8 22.4 20.6 23.9]
:Attribute Information (in order):
    - CRIM     per capita crime rate by town
    - ZN       proportion of residential land zoned for lots over 25,000 sq.ft.
    - INDUS    proportion of non-retail business acres per town
    - CHAS     Charles River dummy variable (= 1 if tract bounds river; 0 otherwise)
    - NOX      nitric oxides concentration (parts per 10 million)
    - RM       average number of rooms per dwelling
    - AGE      proportion of owner-occupied units built prior to 1940
    - DIS      weighted distances to five Boston employment centres
    - RAD      index of accessibility to radial highways
    - TAX      full-value property-tax rate per $10,000
    - PTRATIO  pupil-teacher ratio by town
    - B        1000(Bk - 0.63)^2 where Bk is the proportion of blacks by town
    - LSTAT    % lower status of the population
    - MEDV     Median value of owner-occupied homes in $1000's

5. 转换器与估计器

5.1 转换器

说明

5.2 估计器【机器学习的算法实现】

5.2.1 操作流程

5.2.2 操作流程【书本】