《机器学习实战》笔记---1、机器学习基础

《机器学习实战》笔记---1、机器学习基础

一、总结

一句话总结：

【your own agreement】：Failure to 【comply with】 【your own agreement】 will 【destroy your self-confidence】 and make yourself depressed and uncomfortable

 

1、标称型和数值型？

监督学习一般使用两种类型的目标变量：【标称型和数值型】。

【分类】：标称型目标变量的结果只在有限目标集中取值，如真与假、动物分类集合{爬行类、鱼类、哺乳类、两栖类、植物、真 菌 };

【回归】：数值型目标变量则可以从无限的数值集合中取值，如 0.100、42.001、〗000.743等 。

 

2、特征和属性？

我们选用体重、翼展、有无脚蹼以及后背颜色作为评测基准。现实中，你可能会想测量更多的值。通常的做法是测量所有可测属性，而后再挑选出重要部分。下面测量的【这四种值称之为特征，也可以称作属性】，但本书一律将其称为特征。

 

3、为什么分类和回归属于监督学习？

分类和回归属于监督学习，之所以称之为监督学习，是因为【这类算法必须知道预测什么】，即目标变量的分类信息。

 

4、无监督学习 的具象化解释？

【不给目标】：与监督学习相对应的是无监督学习，此时【数据没有类别信息，也不会给定目标值】。

【聚类、密度估计、降维】：在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程被称为【聚类】；将寻找【描述数据统计值的过程】称之为【密度估计】。此外，无监督学习还可以【减少数据特征的维度】，以便我们可以使用二维或三维图形更加直观地展示数据信息。

 

5、用于执行分类、回归、聚类和密度估计的机器学习算法？

监督学习的用途：k-近邻算法、线性回归、朴素贝叶斯算法、局部加权线性回归、支持向量机、Ridge回归、决策树、Lasso最小回归系数估计

无监督学习的用途：K-均值、最大期望算法、DBSCAN、Parzen窗设计

 

6、如何选择合适的算法？

一、【目的】：使用机器学习算法的【目的】，想要算法完成何种任务，比如是预测明天下雨的概率还是对投票者按照兴趣分组；

二、【数据】：需要分析或收集的【数据】是什么。

三、【监督学习】：首先考虑使用机器学习算法的目的。【如果想要预测目标变量的值，则可以选择监督学习算法】，否则可以选择无监督学习算法。确定选择监督学习算法之后，需要进一步确定目标变量类型，【如果目标变量是离散型，如是/否、1/2/3、― 冗或者红/黄/黑等，则可以选择分类器算法】；如果目标变量是连续型的数值，如0.0~ 100.00、-999~999或者+00~-00等 ，则需要选择回归算法。

四：【无监督学习】：【如果不想预测目标变量的值，则可以选择无监督学习算法】。进一步分析是否需要将数据划分为离散的组。【如果这是唯一的需求，则使用聚类算法】；如果还需要估计数据与每个分组的相似程度 ，则需要使用密度估计算法。

 

7、聚类和密度估计是什么？

如果不想预测【目标变量的值】，则可以选择【无监督学习】算法。

【离散的组是聚类】：进一步分析是否需要将数据划分为【离散的组】。如果这是唯一的需求，则使用【聚类】算法；

【离散的组+每个分组的相似程度 是 密度估计】：如果还需要估计数据与每个分组的【相似程度】 ，则需要使用【密度估计】算法

 

8、Pylab模块？

Python开发环境将来还会集成【Pylab模块】，【它将NumPy、SciPy和Matplotlib合并为一个开发环境】。在本书写作时，Pylab还没有并入Python环境，但是不远的将来我们肯定可以在 Python开发环境找到它。

 

9、Python语言的缺点？

【性能】：【Python语言唯一的不足是性能问题】。Python程序运行的效率不如Java或者C代码高，但是我们可以使用 Python调用C编译的代码。

【同时利用C和 Python的优点】：这样，我们就可以【同时利用C和 Python的优点】，逐步地开发机器学习应用程序。我们可以首先使用 Python编写实验程序，如果进一步想要在产品中实现机器学习，转换成C代码也不困难。

 

 

二、内容在总结中

博客对应课程的视频位置：