機器學習基礎——整合學習1

　　1.機器學習問題分類

　　從資料集的角度看機器學習：資料集一般由自變數(x，特徵)和因變數(y，標籤)組成。

　　根據所要處理的資料中有沒有因變數，機器學習可分為有監督學習和無監督學習：

　　(1)有監督學習

　　指所分析的資料集中既含有自變數，也有因變數，這也是我們最常遇到的機器學習任務。

　　其中，根據因變數(y)是否連續，有監督學習又可分為迴歸問題(y連續)和分類問題(y離散)。(還有一類是排序問題，輸出y是一個序列)

　　(2)無監督學習

　　指所分析的資料集中只含有自變數，沒有因變數，建模的目的是學習資料本身的結構和關係。如聚類分析，降維分析等，這不是我們討論的重點。

　　(3)強化學習

　　實際上，我認為強化學習應該是獨立於上面兩類的一類新的問題，這個有機會再介紹。

　　2.迴歸

　　(1)首先我們可以匯入Boston資料集作為迴歸問題

　　資料集中特徵含義具體可以自查~

　　from sklearn import datasets

　　boston = datasets.load_boston() # 返回一個類似於字典的類

　　X = boston.data

　　y = boston.target

　　features = boston.feature_names

　　boston_data = pd.DataFrame(X,columns=features)

　　boston_data["Price"] = y

　　boston_data.head() #檢視資料前幾行

　　(2)繪圖分析

　　繪圖的基礎就不說了，這裡介紹學到的兩個新功能：執行時間和繪圖風格

　　%%time #可以用來檢視程式執行的時間

　　%matplotlib inline

　　plt.style.use("ggplot") #將繪圖風格調整為ggplot風格

　　普通sns.scatterplot()作圖效果(以分析Price~NOX)為例：

　　NOX：一氧化氮濃度(/千萬分之一)

　　二者的繪圖效果自己去感受，我覺得後者繪圖逼格略高，有質感。但從繪製時間上來說，在美觀的同時，多花了一倍的時間(178ms)。

　　可以明顯看出：在一氧化氮濃度低的地方的房價較高，反之相反，這符合直觀常識，畢竟汙染小的區域房源競爭激烈!

　　這個關係更加明顯：犯罪率越低的區域，房價自然越高，符合常識。

　　3.分類

　　(1)匯入iris資料集作分析：

　　from sklearn import datasets

　　iris = datasets.load_iris()

　　iris資料集中的特徵解釋：

　　sepal length (cm)：花萼長度(釐米)

　　sepal width (cm)：花萼寬度(釐米)

　　petal length (cm)：花瓣長度(釐米)

　　petal width (cm)：花瓣寬度(釐米)

　　(2)繪圖觀察特徵

　　# 視覺化特徵

　　marker = ['s','x','o']

　　for index,c in enumerate(np.unique(y)):

　　plt.scatter(x=iris_data.loc[y==c,"sepal length (cm)"],y=iris_data.loc[y==c,"sepal width (cm)"],alpha=0.8,label=c,marker=marker[c])

　　plt.xlabel("sepal length (cm)")

　　plt.ylabel("sepal width (cm)")

　　plt.legend() 大連人流哪家好 mobile.fkyy120.net/

　　plt.show()

　　程式碼中，介紹兩個語法：

　　1)enumerate()是python的內建函式，對一個可迭代物件，用於既要遍歷索引又要遍歷元素時。enumerate還可以接收第二個引數，用於指定索引起始值。

　　2)unique( )用於去除重複值，保留唯一值

　　每種不同的顏色和點的樣式為一種型別的鳶尾花，資料集有三種不同型別的鳶尾花。

　　4.無監督學習

　　我們可以使用sklearn生成符合自身需求的資料集，這些資料集沒有因變數，可以用來模擬無監督學習。

　　注：無監督資料樣本生成可訪問sklearn的API：

　　sklearn-API: Samples generator.

　　(1)生成無監督資料，並視覺化：

　　# 生成月牙型非凸集

　　from sklearn import datasets

　　x, y = datasets.make_moons(n_samples=2000, shuffle=True,

　　noise=0.05, random_state=None)

　　for index,c in enumerate(np.unique(y)):

　　plt.scatter(x[y==c,0],x[y==c,1],s=7)

　　plt.show()

　　(2)透過make_checkerboard函式生成一個棋盤資料集:

　　# 生成棋盤資料集

　　from sklearn import datasets

　　n_clusters = (4, 3)

　　data, rows, columns = datasets.make_checkerboard(

　　shape=(300, 300), n_clusters=n_clusters, noise=10,

　　shuffle=False, random_state=0)

　　plt.matshow(data, cmap=plt.cm.Blues)

　　plt.title("Original dataset")