<div style="font-size:16px;">
<p>一.什么是机器学习？</p>
<p align="center">简单来说，机器学习是一类算法的总称，这些算法企图从大量历史数据中挖掘出其中隐含的规律，并用于预测或者分类，更具体的说，机器学习可以看作是寻找一个函数，输入是样本数据，输出是期望的结果，所以我们可以总结简单抽象机器学习的过程：输入训练数据->机器学习算法->输出结果。</p>
<p>二.机器学习步骤？提出问题.</p>
<p>理解数据</p>
<p>数据清洗</p>
<p>构建模型</p>
<p>评估</p>
<p>三.python中的机器学习工具包scikit-learn</p>
<p align="center">SK-learn中文文档：Introduction · sklearn 中文文档sklearn.apachecn.org<img alt="20d09a5ee0638d556321961acd9ebb44.png" src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-04c8bad0f4d7250b5ccb90d8716a7216.png"></p>
<p>四.相关分析</p>
<p>什么是特征？什么是标签？</p>
<p>比如我们要分析人们对某首歌的喜恶。</p>
<p>特征：特征就是数据的属性，如一首歌的诸多特征：语言，节奏，风格，时长等等。</p>
<p>标签：标签是我们对数据的预测结果，喜恶就是标签。</p>
<p>什么 是训练数据？什么是测试数据？</p>
<p>一般做预测分析时，会将数据分为两大部分。一部分是训练数据，用于构建模型，一部分是测试数据，用于检验模型。有时候模型的构建过程中也需要检验模型，辅助模型构建，所以会将训练数据在分为两个部分：1)训练数据；2)验证数据(Validation Data)。验证数据用于负责模型的构建。具体的是：训练数据(Test Data)：用于模型构建；验证数据(Validation Data)：可选，用于辅助模型构建，可以重复使用；测试数据(Test Data)：用于检测模型构建，此数据只在模型检验时使用，用于评估模型的准确率。绝对不允许用于模型构建过程，否则会导致过渡拟合。</p>
<p>相关分析-简单线性回归：</p>
<p>案例引入：探索学生学习时间和考试成绩的相关关系，通过学习时间来预测学生的考试分数？</p>
<p>通过我们刚刚对特征和标签定义，我们可以知道，在该案例中特征和标签分别对应的是：</p>
<p>特征：学习时间，也就是我们常说的自变量。</p>
<p>标签：分数,也就是我们常说的因变量。</p>
<p>输入该部分数据：</p>
<p>import sklearn</p>
<p>from collections import OrderedDict</p>
<p>import pandas as pd</p>
<p>#数据集</p>
<p>examDict={'学习时间':[0.50,0.75,1.00,1.25,1.50,1.75,1.75,2.00,2.25,</p>
<p>2.50,2.75,3.00,3.25,3.50,4.00,4.25,4.50,4.75,5.00,5.50],</p>
<p>'分数':[10, 22, 13, 43, 20, 22, 33, 50, 62,</p>
<p>48, 55, 75, 62, 73, 81, 76, 64, 82, 90, 93]}</p>
<p>#将eaxmDict转成有序字典</p>
<p>examOrderDict = OrderedDict(eaxmDict)</p>
<p>#将上述有序字典导入Dataframe</p>
<p>examDf = pd.DataFrame(examOrderDict)</p>
<p>#查看数据集前5行</p>
<p align="center">examDf.head()</p>
<p>显然，单纯的表格，数据之间的关系还是没有那么明显，因此，我们考虑将这些数据放在坐标轴上表示出来：</p>
<p>1)提取特征和标签</p>
<p>#特征features</p>
<p>exam_X=examDf.loc[:,'学习时间']</p>
<p>#标签labes</p>
<p>exam_y=examDf.loc[:,'分数']</p>
<p>2)绘制散点图</p>
<p>#绘制散点图</p>
<p>import matplotlib.pyplot as plt</p>
<p>#确定散点图中的X轴和Y轴，scatter是散点图的意思</p>
<p>plt.scatter(exam_X,exam_y,color='b',label='exam ')</p>
<p>#添加图标标签</p>
<p>plt.xlabel('Hours')</p>
<p>plt.ylabel('Score')</p>
<p>#显示图像</p>
<p align="center">plt.show()</p>
<p>3)从上面的散点图，我们可以很本能的猜测，学习时间和分数存在某种正的相关性，学习时间越多，分数越高。</p>
<p>如何统计衡量相关性程度？单纯看图似乎少了什么，我们期望有这样一个指标：</p>
<p>①能够表示两个变量的相关性方向【正线性相关/负线性相关/线性无关】</p>
<p>②能够表示两个标量的相关性大小。</p>
<p align="center">那么，考虑如何构建这个指标呢。</p>
<p>观察上图中，四个象限点的特点，在</p>
<p align="center"><img alt="equation?tex=%5Cbar%7Bx%7D%EF%BC%9D%EF%BC%93" src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-e530771099a7ab0479a94569857398bc"> 处有一条垂直的虚线，在 </p>
<p align="center"><img alt="equation?tex=%5Cbar%7By%7D%EF%BC%9D51" src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-97c452f9eeeeff3f885a15d5ecc6f11b"> 处有一条虚线，两条线将上图划分为四个象限，第Ⅰ象限的点对应 </p>
<p align= |
|
转播
