作者：大布丁 | 来源：互联网 | 2023-08-31 21:56
目录
1 思维导图
2 智能奇旅&＃xff1a;机器学习导论
2.1 机器学习的概念
2.2 机器学习的研究问题
2.3 机器学习的简单分类
2.4 机器学习涉及的内容数学知识
2.5 编程知识
2.6 算法知识
3 python代码体验
1 思维导图
2 智能奇旅&＃xff1a;机器学习导论
2.1 机器学习的概念
机器学习是从历史数据中学习规律&＃xff0c;然后应⽤该规律预测未来的过程。
2.2 机器学习的研究问题
(1)回归
⽬标&＃xff1a;对已有的数据进⾏拟合&＃xff0c;再根据拟合出来的函数&＃xff0c;对未来进⾏预测。
⽅法&＃xff1a;机器需要找到已知分类的划分规则&＃xff0c;在应⽤该划分规则对事物进⾏分类
(2)分类
⽬标&＃xff1a;研究如何判断⼀个事物属于已知分类中的哪⼀类。
⽅法&＃xff1a;机器需要对已有的数据进⾏拟合&＃xff0c;再根据拟合出来的函数&＃xff0c;对某个过程进⾏预测
(3)聚类
⽬标&＃xff1a;对未分组的事物进⾏分组
⽅法&＃xff1a;机器需要根据事物之间的相似性&＃xff0c;将事物划分为若⼲组&＃xff0c;并添加标签
(4)降维
⽬标&＃xff1a;提取⾼维度数据中的关键信息
⽅法&＃xff1a;机器需要分析不同维度数据的重要程度&＃xff0c;进⽽提取出数据中的关键信息
2.3 机器学习的简单分类
(1)监督学习
L回归
分类
......
(2)⽆监督学习
聚类
降维
......
(3)机器学习的⽤途
图像识别
语⾳识别
精准定位
内容推荐
2.4 机器学习涉及的内容数学知识
线性代数&＃xff1a;向量、矩阵、线性变换.、特征值、奇异值......
截积分&＃xff1a;导数、偏导数......
概率论&＃xff1a;⻉叶斯定律、伯努利分布、正态分布……
统计学&＃xff1a;⽅差、协⽅差、相关系数、参数估计、假设检验......
凸优化&＃xff1a;线性规划、⼆次规划、最⼩⼆乘优化、正则化......
2.5 编程知识
(1)Python基础语法
基本数据类型、循环、条件判断、函数、类与模块......
(2)Python常⽤模块
numpy 库、pandas 库、matplotlib 库、scipy 库. sklearn 库......
2.6 算法知识
(1)监管学习算法
回归&＃xff1a;线性回归、保序回归......
分类&＃xff1a;K近邻、⽀持向量机、决策树、神经⽹络......
(2)⽆监督学习算法
聚类 &＃xff1a;K-Means聚类.谱聚类......
隆惟&＃xff1a;主成分分析、线性判别分析......
(3)KNN 算法
概念:
全称 K Nearest Neighbors&＃xff0c;是⼀种适⽤于分类问题的监督学习算法。
计算步骤
1&＃xff09;计算未知事务与每个已知分类特征之间的距离。
2&＃xff09;选取合适的 K 值&＃xff0c;找出距离中前 K 个最小值所对应的已知分类。
3&＃xff09;根据少数服从多数的原则&＃xff0c;对新事务的类别进行预测。
3 python代码体验
import pandas as pd
from sklearn.neighbors import KNeighborsClassifier#~~~~~~~~Step1 读取数据~~~~~~~~~~~~~
df &＃61; pd .read_csv ( "./工作/insect.csv" )
x&＃61; df[[&＃39;翅长&＃39;&＃xff0c;&＃39;触角长&＃39;]].values
y &＃61; df[&＃39;类别&＃39;].values#~~~~~~~Step2数据预处理~~~~~~~~~~~~~~
#最后3个样本为未知样本﹐其余样本为已知样本
train_X &＃61; x[:-3]
train_Y &＃61; y[:-3]pred_X &＃61; ×[-3:]#~~~~~~~Step3 训练模型~~~~~~~~~~~~~~~~&＃96;
# 在K近邻分类器中,K值通过参数n_neighbors设置
model &＃61; KNeighborsclassifier(n_neighbors&＃61;3)
model.fit(train_X, train_Y)#~~~~~~~Step4应用模型~~~~~~~~~~~~~~~&＃96;
# 应用训练出的模型预测未知蚊子的类别
pred_Y &＃61; model.predict(pred_X)print(pred_Y)
京公网安备 11010802041100号