第一篇博客

为了记录学习的知识并与他人进行交流，本人准备进行java、机器学习等知识的学习，一起勉励。

机器学习实战（蜥蜴书第二版）

第一章

1.1什么是机器学习

机器学习是一个领域，让计算机无须进行明确编程就具备学习能力。通过经验E学习T，任务T的性能P随着E的经验增长，则成为机器学习。

1.2机器学习的类型

• 有监督学习
  K-邻近算法
  线性回归
  逻辑回归
  支持向量机（SVM）
  决策树和随机森林
  神经网络（部分）

• 无监督学习
  1.聚类算法
  K-均值算法
  DBSCAN
  分层聚类分析（HCA）
  2.异常检测和新颖性检测
  单类SVM
  孤立森林
  3.可视化降维
  主成分分析（PCA）
  核主成分分析
  局部线性嵌入（LLE）
  t-分布随机近邻嵌入（t-SNE）
  4.关联规则学习
  Apriori
  Eclat

• 半监督学习

• 强化学习

• 在线学习

• 批量学习

1.3机器学习的例子

接下来利用numpy和pandas将数据进行处理，具体来说是将生活满意度数据与人均GDP合并，将人均GDP设置为X，生活满意度设置为Y。在这里数据处理有几个小细节：

• np.c_的使用，这个与pandas的merge很像，但这个程序中np.c_[country_stats[GPD_per_capita"]]，country_stats[GPD_per_capita"]是一个Series，将pandas转为numpy，同时这个.c_是将其变为二维的，[[1000, 9000, 5000,…]]像这样，.r_将其变为一维的，由于创建LinerRegression我们要两维的所有X与Y都要变成二维的。

• gdp_per_capita.rename(columns={“2015”: “GDP per capita”}, inplace=True)是将2015列名字更换为GDP pre capita.

• pandas中iloc如果为data.iloc[0]，选取第一列。若为data.iloc[[0]]，选取第一行。data.iloc[3,5]，选取第三行第五列。data.iloc[[3,5]]，取3和5行。记住逗号前为行，后面为列，如果没有逗号分隔，就算是列表也是切分行的。

• pandas若直接索引像data[[‘GDP’, ‘ABC’]],则选取对应列。

之后进行

• 研究数据
• 选择模型
• 使用训练数据进行训练
• 进行预测

1.4机器学习的挑战

• 数据量不足
• 数据不具代表性
• 过拟合
• 低质量数据（需要大量清洗）
• 无关特征
• 欠拟合数据

1.5测试与验证

训练集与测试集还有验证集（train_dev）

• 超参数调整与模型选择
  执行使用许多小验证集的交叉验证（时间长）
• 数据不匹配