Machine_Learning_in_Action01 - ML basics

Machine Learning basics
机器学习基础

机器学习概览

机器学习中的关键问题

为什么需要学习机器学习

为什么Python很重要

机器学习

• 将数据转化为信息
• 使用统计学
• 互联网的出现使得数据海量增长

分类

• 监督学习
  • K近邻
  • 朴素贝叶斯
  • SVM
  • 决策树
  • 线性回归
  • 局部权重的线性回归
  • Ridge回归
  • Lasso回归
• 无监督学习
  • K-Means
  • DBSCAN
  • Expectation maximization
  • Parzen window

机器学习应用的一般开发过程

• 收集数据
  • 爬取网页并抽出有用的信息
  • 自己收集数据，比如测量风速，血糖水平，或其他信息
  • 为节省时间，可以使用公开数据
• 准备输入数据
  • 将收集的数据转化为程序可用的数据
  • 对相同的特征，不同的算法可能需要不同格式的数据
• 分析数据
  • 确保缺失值的数量不会太多
  • 尽可能地发现数据的规律或模式
  • 对数据可视化，通常特征数会超过3个，可以尝试降维然后可视化
• 人工干预
  • 确保没有垃圾数据
  • 对于自动化系统，这一步跳过
• 训练算法
  • 无监督学习没有训练的步骤，因为你没有设置目标值
• 测试算法
• 应用