机器学习概论

通过对历史数据的一个学习，这个学习过程就是一个模型训练的过程，想让计算机能够发现数据背后所隐藏的规律，然后帮助我们进行辅助决策。

模型训练之前，我们需要对数据进行分析，结合我们的功能需求，明确我们的项目的要求，也就是分类问题还是回归问题。

分类、回归

  • 分类：是属于监督学习的一种。监督学习就是原始数据包括X和Y。X就是代表了我们的数据属性（特征空间），Y代表了模型学习的目标。分类就是Y的离散值。

  • 回归：也是监督学习的一种，但是他的目标变量y是连续的。

  • 聚类：物以类聚。是属于非监督的一种。非监督学习就是没有Y。

机器学习流程

我们的原始数据会存在诸多问题，包括异常值、缺失值、乱码，所以首先需要进行数据预处理。

模型训练的核心是我们的算法，常用算法包括机器学习算法和深度学习算法。经典的机器学习算法包括：线性回归、决策树、随机森林、支持向量机等。常用深度学习算法包括：全连接神经网网络（BP）、卷积神经网络（CNN）、循环神经网络（LSTM）、GAN网络。所有深度学习模型本质都是对矩阵的变换。

特征工程

特征工程对原始数据特征空间中所有属性进行相关性计算。计算每个特征与我们学习目标之间的相关性，删除特征空间内的冗余特征，包括特征重构、特征选择。特征选择的目的是为了找到一个特征最优子集，通常会保存为numpy文件（矩阵）

数据来源

1、通过爬虫 2、源于数据网站 。UCI、Kaggle、天池。 3、通过传感器或其他设备收集的一些数据。

数据预处理

数据无量纲化

参考https://blog.csdn.net/qq_43202474/article/details/109101323

缺失值处理

模型训练

  1. 划分数据集：是将我们预处理完成之后的数据集进行划分。主要是划分训练集、测试集。训练集是用来训练模型，模型训练完成后需要对模型进行测试，我们使用测试集来评估模型性能。

  2. 如何划分。通常采用八二划分。训练集占80%，测试集20%。

  3. kfold交叉验证：针对小样本数据集，为了提升模型的泛用

参 考 https://zhuanlan.zhihu.com/p/24825503

模型调参

模型训练完成后，我们根据模型性能对我们的算法模型进行一个调参。常用调参： 1）根据经验调参 2）网格调参法（GridSearch），其实是对所有可能参数的一个遍历，遍历完成后得到的一组最优参数。

模型保存

模型训练完成后，需求把训练得到的模型进行保存，也叫做模型持久战化，在机器学习中，我们保存模型常用到的库是pickle库，主要方法是pickle.dump()。模型调用也叫做模型加载。

模型评估

使用测试集来评估训练的模型 评估标准： -- 分类问题 ：精确率、准确lv、F1值、混淆矩阵。 -- 回归问题 : MAE、MSE、R^2，RMSE

常用的库

sklearn：机器学习核心算法、数据预处理、模型评估 pandas：数据分析 numpy： 数组运算

数据可视化

matplotlib