机器学习实战 分类

监督学习：只需要给定输入样本集，机器就可以从中推演出指定目标变量的可能结果。
监督学习一般使用两种类型的目标变量：标称型和数值型。
标称型：在有限目标集中取值，如真与假；
数值型：可以从无限的数值集合中取值，如0.100、42.001等，主要用于回归分析。

1.1 机器学习
机器学习是把无序的数据转化成有用的信息。机器学习对于任何需要解释并操作数据的领域都有所裨益。
特征：事物属性；
训练集：用于训练机器学习算法的数据样本集合；
目标变量：机器学习算法的预测结果；通常将分类问题中的目标变量称为类别。
为了测试机器学习算法的效果。通常使用两套独立的样本集：训练数据和测试数据。

1.3 机器学习的主要任务
机器学习的另一项任务是回归，主要用于预测数值型数据。分类和回归属于监督学习。之所以称为监督学习，是因为这类算法必须知道预测是什么，即目标变量的分类信息。
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为密度估计。

1.4 如何选择合适的算法
考虑两个问题：
1、机器学习算法的目的；2、需要分析或者收集的数据是什么。
-> 首先考虑机器学习算法的目的：1、选择监督还是无监督学习算法；2、确定监督学习算法后，进一步确定目标变量类型，选择分类器算法或者回归算法；3、确定无监督学习算法，进一步分析数据，使用聚类算法，若需估计数据与每个分组的相似程度，需使用密度估计算法。
->考虑数据问题：特征值的等数据特性。
一般来说发现做好算法的关键环节是反复试错的迭代过程。

1.5 开发机器学习应用程序的步骤
（1）收集数据。如爬虫抽取数据、设备实时数据等。
（2）准备输入数据。准备特定的数据格式。
（3）分析输入数据。人工分析以前的数据，确保数据集中没有垃圾数据。
（4）训练算法。
（5）测试算法。
（6）使用算法。

1.6 Python语言的优势
1.7 Numpy函数库基础
机器学习算法涉及很多线性代数知识，使用Python语言会经常使用Numpy函数库。