目录

一：机器学习概述

二：机器学习算法

三：机器学习模型

四：机器学习过程

五：机器学习模型验证

六：sklearn模块

一：机器学习概述

程序化处理和机器学习处理；

主观思维和客观思维；

下面举一个例子：我们现在帮小明决定明天到底要不要去看球赛

考虑因素：  天气、价格、朋友、球星

1 程序化：

if ...

else if ...

else if ...

else if ...

2 那么机器学习呢？

现在提供这样一种情境

天气：下雨

门票价格：100

同伴情况：没人一起

球星：有他喜欢的球星

那么可以做出这样一种分析：小明肯定会去，因为只要他喜欢的球星来了，无论怎么样他都会去的

由上述，机器学习示例，有了简单的概念 

经验 + 思考 = 结果

经验也称为数据(样本)分为特征和标签：

特征：指的是在某些特定的外在条件或者内在条件下的一个反应，比如上述的天气、价格、是否有喜欢的球星等 (考虑因素)

标签：指的是在特征发生后，等到的一个结果，比如去看球赛和不去看球赛

经验/数据，如下示例   特征(天气等考虑因素)   +   标签(结果)

此时，若是再给出一组数据，来决定是否去看球赛，根据这样的经验的不断累积，就类似是机器学习的一整个过程

二：机器学习算法

线性回归

Logistic回归

决策树

朴素贝叶斯

K近邻算法

支持向量机(SVM)

... 

对于机器学习算法，举个例子

比如，一个母亲在教孩子识字的过程 (算法)，那么最终会识字的孩子(模型)

三：机器学习模型

机器学习模型 = 数据 + 算法

数据的特征决定了机器学习的上限 (收集到的数据量)，而算法只是无限逼近于这个上限 (不断训练模型，调优算法)

模型训练过程

机器学习算法被描述为学习一个目标函数f，该函数将输入变量X最好地映射到输出变量Y:Y=f(X)     X：模型数据      Y：结果

最常见地机器学习算法是学习映射Y=f(x)来预测新X的Y；这叫做预测建模或预测分析，我们的目标是尽可能做出最准确的预测

模型训练过程 + 模型预测过程

训练  图示如下

每一个特征x，分别有各自的w(权重) ，算法是每一个特征与其对应权重的结合，然后求和，预测结果

预测  图示 如下

输入对应特征值，模型以及存在(W权重 值已知)，模型在训练成功后(预期值已知 如上图3就是该模型临界点)

四：机器学习过程

首先：问题的产生

需要准备数据集，数据集需要提纯优化，接下来训练数据，需要认识数据的分布以及观察是否有特殊点/离散点，之后进行数据预处理(数据清洗)，经过这样一系列操作才比较完整，特征构造

算法的选择：首先考虑是有监督问题还是无监督问题

无监督学习(少，结果需要自己去整合分析，无监督模型会分类，把有相似特征的归为一类，准确率也不是很高)，目前比如模仿人脑神经网络的，世界上做这类研究的也寥寥无几，不仅耗费大量成本时间，而且不一定能取得结果；因此，绝大多数做的都是有监督学习

有特征、有标签  --  有监督学习

有特征、无标签  --  无监督学习

分类问题 ：分类统计

回归问题 ：预测走向

五：机器学习模型验证

拟合(Fitting)：就是说这个曲线能不能很好的描述某些样本

过拟合(Overfitting)：就是太过贴近于训练数据的特征了，在训练集上表现非常优秀，近乎完美的预测/区分了所有的数据，但是在新的测试集上却表现平平，不具泛化性，拿到新样本后没有办法去准确的判断

欠拟合(UnderFitting)：测试样本的特性没有学到，或者是模型过于简单无法拟合或区分样本 

分类，如上图，好的拟合 如中间图所示 

欠拟合就相当于摆烂，随意分类，过拟合就相当于超级认真，精确分类

回归，如上图，好的拟合 如中间图所示 

欠拟合就相当于摆烂，随意回归曲线，过拟合就相当于超级认真，精确回归曲线

六：sklearn模块

Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习算法进行的封装和实现，它自带一些训练数据集供用户使用 

Sklearn datasets

Sklearn提供一些标准数据，我们不必再从其他网站寻找数据进行训练

鸢尾花数据集：load_iris()

手写数字数据集：load_digits()

波斯顿房价数据集：load_boson()

.... 

安装：

pip3 install sklearn -i https://pypi.mirrors.ustc.edu.cn/simple/

安装sklearn后，即可使用鸢尾花数据集，

如下博主使用鸢尾花数据集，提取特征数据、标签数据并对数据集划分

1 ：sklearn - datasets -  data下包含有训练数据集供用户使用 

2 ：cv2 - data 下包含有人脸识别相关训练模型