机器学习

机器学习的基本类型、性能评估、步骤，为大家提供了一个清晰的框架，介绍详细，知识全面，希望可以对大家有所帮助！

机器学习

• 基本类型
  • 监督学习Supervised learning
    • 必须知道目标变量的分类信息，预测目标变量的值
    • 确定目标变量类型
      • 有监督学习分类
        • 离散型，是/否、1/2/3、A/B/C、红/黄/黑
        • 二分类0或1
          • 问题：欺诈、垃圾邮件、患病
          • 朴素贝叶斯算法、逻辑回归算法
        • 多分类
          • 问题：人脸识别、手写字体识别
          • 神经网络、K近邻、随机森林、深度学习
      • 有监督学习回归
        • 连续型，0.0~100.00、-999~999...
        • 预测数值型数据
        • • 回归模型预测
          • 时间序列预测
  • 无监督学习Unsupervised Learning
    • 数据没有类的信息，也不会给定目标值；不想预测目标面临的值
    • 进一步分析
      • 数据聚类算法Cluster Analysis
        • 是否需要将数据划分为离散的组
        • 将数据集合分成由类似的对象组成的多个类
        • 应用：商务智能、图像模式识别、web搜索
        • K均值聚类、层次聚类、密度聚类
      • 密度估计
        • 描述数据统计值
        • 是否需要将数据划分为离散的组+估计数据与每个分组的相似程度
      • 数据降维算法
        • 主成分你分析(PCA)、核主成分分析(KPCA)、流形学习
  • 半监督学习Semi-Supervised Learning
• 性能评估
  • 准确率
  • 查准率P、查全率R和综合评价指标F1
• 步骤
  • 收集数据
  • 准备输入数据：List
  • 分析输入数据
  • 训练算法（无监督学习不需）
  • 测试算法
  • 使用算法