零基础学机器学习(基于Python Scikit-learn)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了零基础学机器学习(基于Python Scikit-learn)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5193字，纯文字阅读大概需要8分钟。
内容图文
机器学习
第二章——算法
目录
前言
本章内容为机器学习系列第二章，主要为机器学习的一些算法基础，查看第一章内容请转到>>>零基础学机器学习(基于Python Scikit-learn) 第一章
五、机器学习概述
5.1机器学习开发流程
机器学习模型是什么？
- 通过一种映射关系将输入值到输出值
5.2机器学习算法分类
5.2.1监督学习和无监督学习
- 监督学习
分类： k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络
回归： 线性回归、岭回归
标注： 隐马尔可夫模型 - 无监督学习
聚类： k-means
监督学习（Supervised learning），可以由输入数据中学到或建立一个模型，并依此模式推测新的结果。输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值（称为回归），或是输出是有限个离散值（称作分类）。
无监督学习（Supervised learning），可以由输入数据中学到或建立一个模型，并依此模式推测新的结果。输入数据是由输入特征值所组成。
5.2.2分类问题
概念： 分类是监督学习的一个核心问题，在监督学习中，当输出变量取有限个离散值时，预测问题变成为分类问题。最基础的便是二分类问题，即判断是非，从两个类别中选择一个作为预测结果；
分类在于根据其特性将数据“分门别类”，所以在许多领域都有广泛的应用
- 在银行业务中，构建一个客户分类模型，按客户按照贷款风险的大小进行分类
- 图像处理中，分类可以用来检测图像中是否有人脸出现，动物类别等
- 手写识别中，分类可以用于识别手写的数字
- 文本分类，这里的文本可以是新闻报道、网页、电子邮件、学术论文
5.2.3回归问题
概念： 回归是监督学习的另一个重要问题。回归用于预测输入变量和输出变量之间的关系，输出是连续型的值。
回归在多领域也有广泛的应用
- 房价预测，根据某地历史房价数据，进行一个预测
- 金融信息，每日股票走向
六、数据集与估计器
6.1数据集划分
机器学习一般的数据集会划分为两个部分：
- 训练数据：用于训练，构建模型
- 测试数据：在模型检验时使用，用于评估模型是否有效
- 一般训练集：测试集=7:3或8:2
6.2sklearn数据集接口
sklearn数据集划分API： sklearn.model_selection.train_test_split
scikit-learn数据集API语法：
- sklearn.datasets
加载获取流行数据集 - datasets.load_*()
获取小规模数据集，数据包含在datasets里 - datasets.fetch_*(data_home=None)
获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集下载的目录,默认是~/scikit_learn_data/
获取数据集返回的类型：
- load和fetch返回的数据类型datasets.base.Bunch(字典格式)
- data：特征数据数组，是 [n_samples * n_features] 的二维numpy.ndarray 数组
- target：标签数组，是 n_samples 的一维 numpy.ndarray 数组
- DESCR：数据描述
- feature_names：特征名,新闻数据，手写数字、回归数据集没有
- target_names：标签名,回归数据集没有
示例代码：
from sklearn.datasets import load_iris #鸢尾花数据集
li = load_iris()
print("获取特征值")
print(li.data)
print("目标值")
print(li.target)
print(li.DESCR)
6.3sklearn分类、回归数据集
数据集进行分割：
- sklearn.model_selection.train_test_split(*arrays, **options)
x 数据集的特征值
y 数据集的标签值 - test_size 测试集的大小，一般为float
- random_state 随机数种子,不同的种子会造成不同的随机采样结果。相同的种子采样结果相同。
- return 训练集特征值，测试集特征值，训练标签，测试标签(默认随机取)
用于分类的大数据集：
- sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’)
- subset: ‘train’或者’test’,‘all’，可选，选择要加载的数据集训练集的“训练”，测试集的“测试”，两者的“全部”
- datasets.clear_data_home(data_home=None)
清除目录下的数据
sklearn回归数据集：
- sklearn.datasets.load_boston()
加载并返回波士顿房价数据集 - sklearn.datasets.load_diabetes()
加载和返回糖尿病数据集
6.4估计器
在sklearn中，估计器(estimator)是一个重要的角色，分类器和回归器都属于estimator，是一类实现了算法的API
1、用于分类的估计器：
- sklearn.neighbors k-近邻算法
- sklearn.naive_bayes 贝叶斯
- sklearn.linear_model.LogisticRegression 逻辑回归
2、用于回归的估计器：
- sklearn.linear_model.LinearRegression 线性回归
- sklearn.linear_model.Ridge 岭回归
估计器的工作流程：
- - - >>>返回目录<<< - - -
七、K-近邻算法
分类算法-k近邻算法(KNN)
定义：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。
来源：KNN算法最早是由Cover和Hart提出的一种分类算法
计算距离公式：
两个样本的距离可以通过如下公式计算，又叫欧式距离
比如说，a(a1,a2,a3),b(b1,b2,b3)
sklearn k-近邻算法API： sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm=‘auto’)
- n_neighbors：int,可选（默认= 5），k_neighbors查询默认使用的邻居数
- algorithm：{‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}，可选用于计算最近邻居的算法：‘ball_tree’将会使用BallTree，‘kd_tree’将使用 KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。 (不同实现方式影响效率)
k值取很小：容易受异常点影响
k值取很大：容易受最近数据太多导致比例变化
k-近邻算法优缺点
优点：
- 简单，易于理解，易于实现，无需估计参数，无需训练
缺点：
- 懒惰算法，对测试样本分类时的计算量大，内存开销大
- 必须指定K值，K值选择不当则分类精度不能保证
使用场景：
- 小数据场景，几千～几万样本，具体场景具体业务去测试
八、朴素贝叶斯算法
-
联合概率：包含多个条件，且所有条件同时成立的概率
记作：标签：,,,,,,,, 来源： https://blog.csdn.net/weixin_42826790/article/details/113434302
内容总结
以上是互联网集市为您收集整理的零基础学机器学习(基于Python Scikit-learn)全部内容，希望文章能够帮你解决零基础学机器学习(基于Python Scikit-learn)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。