【MOOC】Python机器学习应用-北京理工大学

1.机器学习简介

1.1.机器学习的目的

机器学习是实现人工智能的手段，其主要研究内容是如何利用数据或经验进行学习，改善具体算法的性能

• 多领域交叉，涉及概率论、统计学，算法复杂度理论等多门学科

• 广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用

1.2.机器学习的分类

机器学习一般分为下面几种类别

• 监督学习 （Supervised Learning）

• 无监督学习 （Unsupervised Learning）

• 强化学习（Reinforcement Learning，增强学习）（可参考这个视频理解）

• 半监督学习（Semi-supervised Learning）(介于监督和无监督学习之间)

• 深度学习 (Deep Learning)（利用深层神经网络抽象得表示数据特征的一种方法）

1.3.Python Scikit-learn

•官网首页： http://scikit-learn.org/stable/

• Machine Leaning in Python

• 一组简单有效的工具集

• 依赖Python的NumPy，SciPy和matplotlib库

• 开源、可复用

本课程也主要注重于sklearn的使用方法，对于算法的原理不做过多深究

常用函数：

1.4.课程目标

• 了解基本的机器学习原理及算法

• 学习利用机器学习算法解决应用问题的能力

• 掌握sklearn库中常用机器学习算法的基本调用方法，避免重复造车

2.相关书籍及课程推荐[重点-良心推荐]

图书：

《机器学习》-周志华

《PRML》-Bishop 民间评价：“早知此书，PhD早毕业2年”

课程：

《Machine Learning》-Andrew Ng（机器学习入门）

主页： http://cs229.stanford.edu/

Coursera版: https://www.coursera.org/learn/machine-learning

Stanford手书版: http://open.163.com/special/opencourse/machinelearning.html

《CS231n: Convolutional Neural Networks for Visual Recognition》- Fei-Fei Li（深度学习）

主页： http://cs231n.stanford.edu/

《Reinforcement Learning》- David Silver（增强学习）

主页：http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html

在线观看：https://www.youtube.com/watch?v=2pWv7GOvuf0

3.sklearn库中的标准数据集及基本功能

3.1.标准数据集

总览：

举例：

->波士顿房价数据集

介绍：波士顿房价数据集包含506组数据，每条数据包含房屋以及房屋周围的详细信息。其中包括城镇犯罪率、一氧化氮浓度、住宅平均房间数、到中心区域的加权距离以及自住房平均房价等。因此，波士顿房价数据集能够应用到回归问题上。

属性描述：

属性 描述 CRIM 城镇人均犯罪率 ZN 住宅用地超过 25000 sq.ft. 的比例 INDUS 城镇非零售商用土地的比例 CHAS 查理斯河空变量（如果边界是河流，则为1；否则为0） NOX 一氧化氮浓度 RM 住宅平均房间数 AGE 1940 年之前建成的自用房屋比例 DIS 到波士顿五个中心区域的加权距离 RAD 辐射性公路的接近指数 TAX 每 10000 美元的全值财产税率 PTRATIO 城镇师生比例 B 1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例 LSTAT 人口中地位低下者的比例 MEDV 自住房的平均房价，以千美元计

部分数据：

使用方法：

使用sklearn.datasets.load_boston即可加载相关数据集，其重要参数为：
• return_X_y: 表示是否返回target（即价格），默认为False，只返回data（即属性）

使用举例：

>>> from sklearn.datasets import load_boston>>> boston = load_boston()>>> print(boston.data.shape)(506, 13)

>>> from sklearn.datasets import load_boston>>> data, target = load_boston(return_X_y=True)#区别在这里>>> print(data.shape)(506, 13)>>> print(target.shape)(506)

->鸢尾花数据集

介绍：鸢尾花数据集采集的是鸢尾花的测量数据以及其所属的类别。
测量数据包括：萼片长度、萼片宽度、花瓣长度、花瓣宽度。类别共分为三类：Iris Setosa，Iris Versicolour，Iris Virginica。该数据集可用于多分类问题。

部分数据：

使用方法：

使用sklearn.datasets. load_iris即可加载相关数据集，其重要参数有：
• return_X_y: 若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target）。

使用举例：

>>> from sklearn.datasets import load_iris>>> iris = load_iris()>>> print(iris.data.shape)(150, 4)>>> print(iris.target.shape)(150, )>>> list(iris.target_names)['setosa', 'versicolor', 'virginica']

->手写数字数据集

介绍：手写数字数据集包括1797个0-9的手写数字数据，每个数字由8*8大小的矩阵构成，矩阵中值的范围是0-16，代表颜色的深度。

部分数据：

使用方法：

使用sklearn.datasets.load_digits即可加载相关数据集，其参数包括：

• return_X_y:若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target） ；

• n_class：表示返回数据的类别数，如：n_class=5,则返回0到4的数据样本。

使用举例：

>>> from sklearn.datasets import load_digits>>> digits = load_digits()>>> print(digits.data.shape)(1797, 64)>>> print(digits.target.shape)(1797, )>>> print(digits.images.shape)(1797, 8, 8)>>> import matplotlib.pyplot as plt>>> plt.matshow(digits.images[0])>>> plt.show()

输出：

3.2.sklearn库的基本功能

sklearn库的共分为6大部分，分别用于完成分类任务、回归任务、聚类任务、降维任务、 模型选择以及数据的预处理。