机器学习--引入

机器学习

---

根据是否有因变量，分为：

有监督学习

给定某些特征去估计因变量，即因变量存在的时候，我们称这个机器学习任务为有监督学习。如：我们使用房间面积，房屋所在地区，环境等级等因素去预测某个地区的房价。

根据因变量的是否连续，分为：

回归

因变量是连续型变量，如：房价，体重等。

分类

因变量是离散型变量，如：是否患癌症，西瓜是好瓜还是坏瓜等。

---

无监督学习

给定某些特征但不给定因变量，建模的目的是学习数据本身的结构和关系。如：我们给定某电商用户的基本信息和消费记录，通过观察数据中的哪些类型的用户彼此间的行为和属性类似，形成一个客群。注意，我们本身并不知道哪个用户属于哪个客群，即没有给定因变量。

在sklearn内置数据集中，Boston房价数据集可用于回归预测；iris数据集用于分类预测；

出处：https://github.com/datawhalechina/team-learning-data-mining/tree/master/IntegratedLearning

在波士顿房价数据集中，看了一下CRIM，ZN，INDUS，NOX，RM，AGE，DIS，RAD，TAX，PTRATIO，B，LSTAT这12个变量分别与房价‘Price' 的大致分布关系

可以看到’RM‘（每个住宅的平均房间数）与房价大致呈正的线性相关；而随着’LSTAT‘（较低地位人口）数量的增加，房价呈指数递减。

另外，比较是否在查尔斯河畔的房子的均价，可以发现如果房子在河边，那么房价普遍较高，反之较低：

同样的，看一下iris数据集的大致分布：