用户工具
目录
目的
机器学习能让我们从数据集中受到启发，我们利用计算机来彰显数据背后隐含的规律
基本概念
- 分类 ：对数据集合以类别区分
- 回归 ：主要用于预测数值型数据
- 类聚 ：将数据集分成有类似对象组成的多个类的过程称“类聚”
分类和回归属于监督学习，之所以称之为监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息。与之对应的是无监督学习，此时数据没有类别信息，也不会给定目标值
常用算法
监督学习
- k邻近算法
- 贝叶斯算法
- 支持向量机
- 决策树
无监督学习
- K-均值
- DBSCAN
开发机器学习程序步骤
- 收集数据
- 输入数据格式化
- 分析输入数据（确保没有垃圾数据）
- 训练算法
- 测试算法（算法训练完成之后，用一个测试数据集测试算法准确性）
- 使用算法（测试目标达成后即可使用该算法）
