第1章 赋予计算机从数据中学习的能力

这是一篇关于第1章 赋予计算机从数据中学习的能力的思维导图。

一、赋予计算机从数据中学习的能力

• 1、构建把数据转换为知识的智能机器
• 2、三种不同类型的机器学习
  • 2.1 用有监督学习预测未来
    • 监督：指的是已经知道样本所需要的输出信号或标签
    • 有标签数据、直接反馈、预测结果/未来
    • 分类
      • 预测标签的分类（离散）
        • 二元分类任务，例如：垃圾邮件过滤
        • 多元分类任务，例如：识别手写字符
      • 预测连续结果的回归（连续）
    • 目标：从有标签的训练数据中学习模型，以便对未知或未来的数据做出预测。
  • 2.2 用强化学习解决交互问题（不是重点）
    • 决策过程、奖励机制、学习一系列的行动
    • 目标：开发系统或代理，通过它们与环境的交互来提高其预测性能。
    • 常见例子：国际象棋，奖励为比赛结果的输赢。
  • 2.3 用无监督学习发现隐藏结构
    • 无标签/目标、无反馈、寻找数据中隐藏的结构
    • 分类
      • 寻找聚类的子集
        • 探索性的数据分析技术，可以在事先不了解组员的情况下，将信息分成有意义的组群。
      • 通过降维压缩数据
        • 目的
          • 1、有利于数据可视化
          • 2、减少冗余
          • 3、减少数据存储开销
          • 4、提高算法运行速度
          • 5、提高模型预测的性能
• 3、基本术语与符号
  • 样本：数据表的每一行为一个样本
  • 特征：数据表的每一列为一个特征
  • 分类标签
• 4、构建机器学习系统的路线图
  • 机器学习的典型工作流程
    • 1、预处理-整理数据
      • 数据集
        • 训练集
          • 训练集
          • 验证集
        • 测试集
      • 特征抽取和比例缩放
      • 特征选择
      • 降低维度
      • 取样
    • 2、学习
      • 模型选择
      • 交叉验证
      • 度量性能
        • 常用的度量性能的标准：分类准确度（正确分类样本占所有分类样本的百分比）
      • 超参数调优
        • 模型的参数和超参数
          • 模型的参数：模型本身参数
          • 超参数：非模型本身参数，影响模型、算法所需要的参数
    • 3、评估
    • 4、预测
• 5、用Python进行机器学习
  • 目前最为常用和可访问的开源机器学习库：scikit-learn
  • 教材推荐使用Anaconda包作为Python的科学计算软件包
  • 教材使用Numpy的多维矩阵来存储和操作数据；偶尔使用pandas库，该工具建立在Numpy之上，可以提供额外的更高级的数据操作；为了加强学习经验和定量数据的可视化，我们将使用定制化程度非常高的Matplotlib软件库