机器学习入门前准备

机器学习的意义：

不是单纯模仿的机器人，也不是具备人类感情的仿生人，机器学习的意义是利用计算机来挖掘数据背后的真实含义。

 

机器学习必备概念：

1 训练集，用于训练机器学习算法的数据样本集合，与之相对应的是测试集

2 特性，数据的不同属性，训练集不同的列，代表不同的维度

3目标变量，机器学习算法的预测结果，在分类算法中目标变量的类型通常是标称型的，而在回归算法中通常是连续型的。训练样本集必须确定知道目标变量的值，以便机器学习算法可以发现特征和目标变量之间的关系。

4知识表示，机器学习最终的产出

5 监督学习，有训练样本进行训练，有测试样本进行回归的学习方式

6 无监督学习，没有训练集支持训练，完全靠自己的建模。

 

 

机器学习的开发步骤：

1 收集数据，原始资料的收集，爬虫、传感器、实测数据等方式获得。

2 准备输入数据

因为第一步收集上来的数据不能直接使用，需要进行格式转化，转化成机器语言可以处理的格式。

3 分析输入数据（非必需）

         再次人工干预确认是否有垃圾数据，能否用来进行学习

4 训练算法

         监督学习，将前两步得到的格式化数据输入到算法，从中抽取知识或信息。

5 测试算法

         测试算法的工作效果，如果是监督学习，需要测试集回归算法统计出错误概率

6 使用算法

         将学习结果封装成应用程序，执行实际任务

 

需要掌握的基本公式：

欧氏距离公式（欧几里得度量）：(Xa,Ya)和(Xb,Yb)之间的距离是

d=开根号((Xb-Xa)**2 + (Yb-Ya)**2)

 

贝叶斯公式：反概率论用得到

P（A│B）* P（B）= P（B│A）* P（A）

翻译过来是概率B发生的前提下发生概率A的概率等于概率A发生的前提下概率B发生的概率

 

需要掌握一门机器学习的语言，这里我们使用Python，Python在运行效率上很慢，但是提供了很丰富的扩展包供我们使用，在编程上简洁易懂，是入门机器学习的不二语言。

Python扩展包的安装：

 

1 首先在自己脚本里执行下

import pip
print (pip.pep425tags.get_supported())

找到适合自己的扩展包的版本

2 扩展包的下载地址在：

https://www.lfd.uci.edu/~gohlke/pythonlibs/#mysql-python

必备的包有numpy、matplotlib等，下载跟自己版本对应的whl文件

3 命令行执行pip installXXXX.whl文件，执行成功后会得到相应的文件夹，文件夹内是新的扩展模块

 

Numpy的矩阵(Matrix)和数组(array)使用起来很容易引起混淆，这两个概念需要加强了解，通过print()和内容排列看不出区别，这两个的差别主要在于运算。

Matrix_A =

[ [1,4]

[3,2] ]

Matrix_B =

[ [2,1]

[1,3] ]

矩阵相乘A*B，A的第一行与B的第一列相乘得到0,0坐标的值（1*2+4*1=6）; A的第一行与B的第二列相乘得到0,1左标的值(1*1+4*3=13)；以此类推1,0左标值（3*2+2*1=8）；右下角是（3*1+2*3=9）

所以A*B的结果是

[ [6,13]

[8,9] ]

如果将矩阵换成数组的话，A*B的结果是两个矩阵对应的左标相同的值进行相乘。0,0坐标的值（1*2=2）; 0,1坐标的值(4*1=4)；以此类推1,0左标值（3*1=3）；右下角是（2*3=6）

所以A*B的结果是

[ [2,4]

[3,6] ]

有了乘法的区别，可以理解阶乘也是有区别的。

A**2，A是矩阵和A是数组的结果显然是不同的。

 

Numpy模块下矩阵和数组是可以通过numpy. asarray() 和 numpy. asmatrix()来进行转换的。