机器学习项目创建和经典算法（一）

faceSchool

项目创建

经典算法（一）

2

01

什么是机器学习?

官方：机器学习研究的是计算机怎样模拟人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构使之不断改善自身。简单一点说，就是计算机从数据中学习出规律和模式，以应用在新数据上做预测的任务

通俗 ：传统的机器学习主要做的事情就是利用统计学的基本观点，利用要学习的问题的历史样本数据的分布对总体样本分布进行估计。分析数据大致特性建立数学分布模型，并利用最优化的知识对模型的参数进行调优学习，使得最终的学习模型能够对已知样本进行很好的模拟与估计。最终利用学习好的模型对未知标签的样本进行预测和估计的过程。

实战操作

打开 PyCharm，点击 Create New Project

接下来选择 Pure Python，并选择程序目录同时设置项目名称为 Demo，点击右下角的 Create。

在生成的项目MLDemo 上右击，依次选择 New —> Python，命名Demo

编写如下代码，然后右击代码区，点击 Run Demo

from sklearn import svm

X = [[1, 2], [1, 4]]

y = [0, 1]

clf = svm.SVC()

clf.fit(X, y)

ans = clf.predict([[2., 8.]])

print(ans)

结果：

解释:

1.X= [[1,2][1,4]] 是定义两个训练样本的特征向量

2.y=[0,1] 是与X中特征向量对应的类标签

3.clf = svm.SVC（）是定义用于分类的svm分类器

4.clf.fit(X,y)是以X和y为特征向量和类标的样本进行有监督的训练

5.ans=clf.predict（[2.,8.]）是预测[2.,8.]属于哪个类，并将结果返回给ans

6.print(ans)输出返回结果，我们知道该点属于1类，也就是与[2.,8.]属于一类，正确

关于svm类SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。不做赘述: 详情见：https://baike.baidu.com/item/svm/4385807?fr=aladdin

02

经典算法学习

经典算法学习

回归算法：

线性回归（Linear Regression）

1

PS （Coef 系数 intercept 截距）

1.1.1 普通最小二乘

w =（w_1，...，w_p）以最小化数据集中观察到的响应之间的残差平方和通过线性逼近预测的响应。在数学上它解决了该形式的问题：

LinearRegression 会调用 fit 方法来拟合数组 X， y，并且将线性模型的系数 存储在其成员变量 coef_ 中:

结果

未完待续

我思故我在

知识电量不足5%

请立即充电

People always say that it's too late. However, in fact, now is the best appropriate time. For a man who really wants to seek for something, every period of life is younger and timely.

一起分享学习的点滴

扫码

加入机器学习小组