1.机器学习概述

开发环境及Python版本

 

 

 pip list

  

 

  

 

 机器学习定义

 

 

 

机器学习模型算法

1.逻辑回归

2.EM算法

3.集成学习

4.随机森林和GBDT

5.ID3/C4.5

6.K-means

7.K近邻

8.xgboost/lightGBM

 

 

Pip部分命令
pip install 包名	下载包
pip uninstall 包名	卸载包
pip install 包名 --upgrade	更新包
pip search 包名	搜索包
pip show -f 包名	查看指定包的详细信息
pip list	列出已安装的包

 

Numpy(np)部分命令
np.array(a,dtype)	创建类型为dtype的数组a
np.arange(b,e,s)	生成从b到e步长为s的数组
np.linspace(b,e,n)	生成含n个元素从b到e的等差数组
np.logspace(b,e,s)	生成含n个元素从b到e的等比数组
np.unique()	去除数组中的重复值
np.stack(a,axis=)	数组堆叠。
	axis=0	a[0],a[1],a[2]进行堆叠
	axis=1	a[0][0],a[1][0]和a[2][0]进行堆叠，然后是a[0][1]，a[1][1]与a[2][1]进行堆叠
	axis=2	a[0][0][0]，a[1][0][0]和a[2][0][0]进行堆叠，然后是a[0][0][1]，a[1][0][1]与a[2][0][1]进行堆叠，接着为a[0][0][2]，a[1][0][2]与a[2][0][2]进行堆叠......
np.dot()	向量点积和矩阵乘法

 

对数组arr进行操作
arr.shape	表示各位维度大小的元组。返回的是一个元组。
arr.reshape()	设数组为arr([1,2,3,4,5,6,7,8])
	arr.reshape((2,4))	arr([[1,2,3,4],[5,6,7,8]])
	arr.reshape((2,2,2))	arr([[1,2],[3,4],[5,6],[7,8]])
arr.dtype	查看数组数据类型
arr.astype()	转换数组数据类型

 

 

什么是机器学习，有哪些分类？结合案例，写出你的理解。

机器学习是人工智能的一个分支。我们使用计算机设计一个系统，使它能够根据提供的训练数据按照一定的方式来学习；随着训练次数的增加，该系统可以在性能上不断学习和改进；通过参数优化的学习模型，能够用于测试相关的输出。

 

 

机器学习
类别	描述	类比自然界的例子
监督学习	给定数据，预测标签。	孩童在不同时期看到朔月、新月、满月时，都询问家长是什么，久而久之意识到这是月亮在不同时期能看到的不同形态。
无监督学习	只有特征，没有标签，给定数据，寻找隐藏的结构。	高考理综试卷选择题部分并没有明确说明哪些题是生物、化学或者物理，但是我们可以根据题目的内容判断出各科目的考题。
半监督学习	使用的数据一部分是标记过的，大部分是没标记的，利用这些数据来生成合适的分类函数。	通过近年的考题来分析出题规律和侧重点，预测来年的考试内容。
强化学习	使用未标记的数据，通过一些方法知道离正确答案越来越近还是越来越远。	孩童在学习走路时，在不断摔倒的过程中掌握一定的技巧，学会了正确的走路方式。