《零基础学机器学习》读书笔记二

《零基础学机器学习》读书笔记二

一、机器学习快速上手路径（续）

1.2 快捷的云实战学习模式

1.2.1 开发第一个机器学习程序

机器学习项目的目标，就是根据已有的数据样本，对其特征进行推理归纳，得到一个函数模型后，用来推断业务。
首先构建特征数据集X和标签数据集y，选择一个机器学习的模型（选定模型的类型，也就是算法），然后通过其中的fit方法来训练机器，进行函数的拟合。
拟合意味着找到最优的函数去模拟训练集中的输入（特征）和目标（标签）的关系，这是确定模型的参数。
之后通过比较预测值和真值，可以知道机器“猜”得准不准，给模型打分。
要比较不同的模型，应采用相同的评估指标，在同样的标准下，哪个分数更高，就说明哪个模型更好。
关于Python的一些小知识：
1、Python通过一个函数或一个方法，直接完成一件事，不拖泥带水。
2、Python是大小写区分的。在机器学习领域，习惯把特征集X大写，把标签集y小写。
Sklearn的一些小知识：
1、Sklearn线性回归模型的score属性给出的是R2分数，是一个机器学习模型的评估指标，给出的是预测值的方差与总体方差之间的差异。