机器学习（ML）（一）——机器学习简介

1、什么是机器学习？

机器学习是从数据中自动分析获得模型，并且利用模型对未知数据进行预测。

2、机器学习的数据集：

数据集由特征值+目标值

3、机器学习的算法分类：

监督学习：

目标值：类别-分类问题
K近邻、贝叶斯分类、决策树和随机森林、逻辑回归
目标值：连续型的数据-回归问题
线性回归，岭回归

无监督学习：

目标值：无-无监督学习
聚类：K-means算法

4、机器学习开发流程

获取数据-数据处理-特征工程-机器学习训练模型-模型评估-应用

5、可用数据集：

公司内部：百度
数据接口：花钱
数据集
学习阶段可用数据集：sklearn、kaggle、UCI

sklearn数据集

scikit-learn数据集介绍：

（1）加载获取流行数据集：
dataset.load_():获取小规模数据集
dataset.fetch_(data_home=None)：获取大规模数据集

sklearn小数据集：

加载并返回鸢尾花数据集：

加载并返回波士顿房价数据集：

sklearn大数据集：
sklearn.datasets.fetch_“数据集名称”(data_home=None,subset=” ")

其中data_home为数据集保存的路径。

sklearn数据集的使用：

返回的数据类型dataset.base.Bunch（继承自字典）

dict['key']=values
bunch.key=values

调用数据集进行相关信息查看：

数据集进行划分：

训练集：用于训练构建模型
测试集：在模型检测的时候用，用于评估模型是否有效。

数据集划分api：

skearn.model_selection_train_test_split(array,*options)，
其中array表示特征值，*options表示目标值。
return返回值为：训练集特征值x_train、测试集特征值x_test、训练集目标值y_train、测试集目标值y_test

设定测试的划分比例，以及随机数种子random_state的大小（随机数种子来保证随机采样的结果）。