【機器學習特訓營】第一週-簡介、KNN算法 | 貪心學院

機器學習的概念：

大數據、數據挖掘、機器學習，這三者是不同但有重合的領域

而人工智能、機器學習、深度學習的關係是這樣的：

人工智能>=機器學習>=深度學習，三者是在同一個框架、類似父類和子類的關係吧？

然後，這次是‘機器學習特訓營’，想當然是聚焦在機器學習這一塊

機器學習中，主要的框架為

【過去數據】—》透過【機器訓練】—》得到【算法模型】

再用得出來的【算法模型】加上【未來數據】來預測未來。

接著，機器學習主要分為：監督學習、非監督學習

監督學習又分為「分類」、「回歸」

非監督則是「聚類」

而在用廣告投放數據來預測銷量的案例中

主要有兩個變量：預算、銷量

透過python 中的matplotlib.pyplot 來先可視化過去數據

得知整個數據大概是以線性增長的分佈

因此用線性回歸的方式來訓練數據、以及預測

程式碼為：

x = data['TV'].values.reshape(-1,1)

y = data['sales'].values.reshape(-1,1)

reg = LinearRegression()

reg.fit(x,y)

#假設y = ax+b

print('a = {:.5}'.format(reg.coef_[0][0]))#0行0列

print('b = {:.5}'.format(reg.intercept_[0]))