机器学习（一）——机器学习概述

机器学习（一）——机器学习概述

（原创内容，转载请注明来源，谢谢）

前言：近期开始学习机器学习，当前视频和书籍一起看，视频看的是吴恩达的机器学习系列课程，书籍看的《机器学习实战》。目前是机器学习小白，希望各位有感兴趣的，可以一起开始学机器学习。大家可以多交流~~

另外，由于工作上还是在做web服务端，因此还会经常更新对于web的学习体会~希望大家共同进步。

一、概述

机器学习是近期非常火的技术，其可以将输入的数据经过一定的处理，得到结果，具有预测、决策、统计、分类等功能，被广泛应用于各行各业。

机器学习主要分为两大类：监督学习（supervisor learning）和无监督学习（unsupervisor learning）。

二、监督学习

1、概念

监督学习，指的是在已知结果的类别的情况下，将一系列的数据交给计算机，由其进行处理后，得出不同数据是从属于哪个类别的。

2、主要任务

监督学习主要用于分类、回归两大功能。

1）分类

分类的结果是离散的。例如要将不同的花进行分类，根据花的颜色、形状、大小等因素，得出花的类型。对于这个工作，首先其总的类别是已知的，所以称为监督学习，其次其结果是有限个的，所以其叫做分类。

2）回归

与分类相对，回归是处理连续的结果。例如根据房子的面积、地段、楼层、朝向等因素，预测房子的价格。虽然价格最多精确到分，但是还是可以看作是连续函数。另外，由于可以确定结果就是价格，所以结果类别是已知的，所以也是监督学习。

3、常用算法

监督学习常用的算法包括：K-近邻（KNN）、线性回归、朴素贝叶斯、局部加权线性回归、支持向量机（SVM）、Ridge回归、决策树、Lasso最小回归系数估计等。

三、无监督学习

1、概念

无监督学习，指的是结果未知的情况下，给计算机一系列数据，由计算机自行处理后，得出不同结果的分类。

2、主要任务

无监督学习主要用于聚类、密度估计功能，另外对于降低数据维度也有重要作用。

1）聚类

可以类比监督学习的分类，聚类就是在未知结果有哪些类别的情况下，离散的数据经由计算机计算后，得出结果的过程。例如很多门户网站的新闻列表，都是从各个网站上将链接抓取，再分析新闻的内容，进行聚类。

2）密度估计

可以类比回归。密度估计即在未知结果类别情况下，将连续的数据给计算机，由其计算并告知结果。

3、常用算法

无监督学习常用的算法包括：K-均值（K-Means）、最大期望算法、DBSCAN、Parzen窗设计等。

四、机器学习开发步骤

机器学习应用开发，主要步骤如下：

1、收集数据

对于机器学习来说，没有数据就没有学习可言。数据可以是爬虫抓取、开源语料库、自己提供的数据源等。

2、准备输入数据（人工）

根据需要处理的数据，对格式进行整理，以便后续处理。这一步骤是人工进行。

3、分析输入数据（人工）

这一步骤主要是剔除错误数据。对于明显错误的数据，可以人工剔除。但是这个会增大工作量，对于好的算法而言，可以省略这个步骤。

4、训练算法

这一步骤是专门针对监督学习而言的。

监督学习由于已经知道结果的类别，因此，需要先给计算机一组数据，是一组类似{特征1,特征2,…特征N,结果}的数据集合，让计算机进行“学习”。

对于无监督学习，由于不确定结果的类型，因此不需要“学习”。

5、测试算法

这一步是非常重要的。给定一些数据，让计算机告知处理后的结果，并且人工查看结果是否符合要求。对于不符合要求的，需要重新调整算法的参数。

6、使用算法

在项目中使用算法。

——written by linhxx 2017.12.27