2021-03-15机器学习导论

1.什么是机器学习？

目标是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。

根据数据是否有因变量，机器学习的任务可分为：

有监督学习和无监督学习。

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。

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。

有监督学习预测结果或未来

无监督学习寻找数据中的结构

2.有监督学习

根据因变量的是否连续，有监督学习又分为

回归和分类：

回归：因变量是连续型变量，如：房价，体重等。

回归(Boston房价预测)

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。

分类(IRIS鸢尾花分类)

2.1sklearn工具库使用

回归实例

使用sklearn内置数据集Boston房价数据集，sklearn中所有内置数据集都封装在datasets对象内： 返回的对象有：

data:特征X的矩阵(ndarray)

target:因变量的向量(ndarray)

feature_names:特征名称(ndarray)

我们可以看到，数据给定任务所需要的因变量，因变量为波士顿房价Price是一个连续型变量，所以这是一个回归的例子。

分类实例

我们可以看到：每种不同的颜色和点的样式为一种类型的鸢尾花，数据集有三种不同类型的鸢尾花。 因此因变量是一个类别变量，因此通过特征预测鸢尾花类别的问题是一个分类问题。

3.无监督学习

可以使用sklearn生成符合自身需求的数据集

https://scikit-learn.org/stable/modules/classes.html?highlight=datasets#module-sklearn.datasets