1. 機(jī)器學(xué)習(xí)分類(lèi)

1. 監(jiān)督學(xué)習(xí)（Suppervised Learning）：從給定的訓(xùn)練集中學(xué)習(xí)出一個(gè)可以預(yù)測(cè)結(jié)果的函數(shù)，訓(xùn)練集由人工標(biāo)注
2. 無(wú)監(jiān)督學(xué)習(xí)（UnSuppervised Learning）：訓(xùn)練集沒(méi)有認(rèn)為標(biāo)注
3. 強(qiáng)化學(xué)習(xí)（Reinforcement Learning）：通過(guò)觀(guān)察來(lái)學(xué)習(xí)執(zhí)行什么樣的動(dòng)作疯坤，以獲得最好的回報(bào)报慕，每個(gè)動(dòng)作都會(huì)對(duì)環(huán)境有所影響，學(xué)習(xí)對(duì)象根據(jù)環(huán)境的反饋?zhàn)龀雠袛?/li>
4. 半監(jiān)督學(xué)習(xí)（Semi-Suppervised Learning）：介于監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)之間的一種方法
5. 深度學(xué)習(xí)（Deep Learning）：利用深層神經(jīng)網(wǎng)絡(luò)模型抽象數(shù)據(jù)的標(biāo)示特征的方法

Python Scikit-learn：一組簡(jiǎn)單有效的工具集压怠。依賴(lài)Python和NumPy眠冈、SciPy、matplotlib庫(kù)。是開(kāi)源和可復(fù)用的

2. Sklearn庫(kù)安裝

Sklearn是Scikit-learn的簡(jiǎn)稱(chēng)贸街，是基于Python的第三方模塊，集成了常用的機(jī)器學(xué)習(xí)方法狸相，在進(jìn)行學(xué)習(xí)任務(wù)時(shí)薛匪，并不需要實(shí)現(xiàn)算法，只需要簡(jiǎn)單的調(diào)用庫(kù)中提供的模塊就能完成大多數(shù)的機(jī)器學(xué)習(xí)任務(wù)
Sklearn是在NumPy脓鹃、SciPy逸尖、matplotlib的基礎(chǔ)上開(kāi)發(fā)而成，因此安裝前需要先安裝依賴(lài)庫(kù)

NumPy（Numerical Python）：開(kāi)源的Python科學(xué)計(jì)算機(jī)庫(kù)
SciPy：是Sklearn庫(kù)的基礎(chǔ)瘸右，是基于Numpy的一個(gè)集成了多種數(shù)學(xué)算法和函數(shù)的Python模塊
matplotlib：基于Numpy的一套Python工具包娇跟，提供打開(kāi)數(shù)據(jù)繪圖工具

安裝順序：NumPy庫(kù)、SciPy庫(kù)太颤、matplotlib庫(kù)苞俘、Sklearn庫(kù)

# 在cmd命令中直接輸入
pip install -i https://mirrors.aliyun.com/pypi/simple/ NumPy
pip install -i https://mirrors.aliyun.com/pypi/simple/ SciPy
pip install -i https://mirrors.aliyun.com/pypi/simple/ matplotlib
pip install -i https://mirrors.aliyun.com/pypi/simple/ Sklearn

'''檢測(cè)NumPy庫(kù)、SciPy庫(kù)栋齿、matplotlib庫(kù)苗胀、Sklearn庫(kù)是否安裝完成'''
import numpy as np
import scipy
import matplotlib
import sklearn
# 運(yùn)行沒(méi)有報(bào)錯(cuò)，說(shuō)明安裝完成

3 標(biāo)準(zhǔn)數(shù)據(jù)集

小數(shù)據(jù)集可以直接使用，大數(shù)據(jù)集要在調(diào)用時(shí)程序自動(dòng)下載（一次即可）

'''
波士頓房?jī)r(jià)數(shù)據(jù)集
應(yīng)用到回歸問(wèn)題上
'''
import numpy as np
import scipy
import matplotlib
import sklearn

# 加載數(shù)據(jù)集
from sklearn.datasets import load_boston
# 查看參數(shù)
load_boston # 輸出中return_X_y=False表示是否返回target(價(jià)格)歌亲，默認(rèn)False菇用，只返回data（屬性）
# 獲得變量通用信息
load_boston?
# 引用數(shù)據(jù)
a = load_boston()
a
# 打印維度
print(a.data.shape) # （506， 13）
# 改變參數(shù)
data, target = load_boston(return_X_y=True)
print(data.shape) # （506陷揪， 13）
print(target.shape) # （506惋鸥，）

波士頓房?jī)r(jià)數(shù)據(jù)集.png

'''
鳶尾花數(shù)據(jù)集
用于多分類(lèi)問(wèn)題
'''

import numpy as np
import scipy
import matplotlib
import sklearn

# 加載
from sklearn.datasets import load_iris
# 調(diào)用
b = load_iris()
b # [輸出數(shù)據(jù)]

# 查看參數(shù)
load_iris # <function sklearn.datasets._base.load_iris(return_X_y=False)>[默認(rèn)False，表示以字典形式返回?cái)?shù)據(jù)全部信息悍缠；True,則以data卦绣、target返回?cái)?shù)據(jù)]
load_iris？ # [一些數(shù)據(jù)信息]

# 打印維度
print(b.data.shape) # (150, 4)

print(b.target.shape) # (150,)

# 打印數(shù)據(jù)集的分類(lèi)名稱(chēng) 
list(b.target_names) # ['setosa', 'versicolor', 'virginica']

'''
手寫(xiě)數(shù)據(jù)集
每個(gè)數(shù)字有8*8大小矩陣構(gòu)成飞蚓，矩陣中值0-16滤港，代表顏色深度
'''

import numpy as np
import scipy
import matplotlib
import sklearn

# 加載
from sklearn.datasets import load_digits
# 調(diào)用
c = load_digits()
c # [輸出數(shù)據(jù)]

# 查看參數(shù)
load_digits # <function sklearn.datasets._base.load_digits(n_class=10, return_X_y=False)>[默認(rèn)False，表示以字典形式返回?cái)?shù)據(jù)全部信息趴拧；True,則以data溅漾、target返回?cái)?shù)據(jù)山叮；n_class=10是一個(gè)特別的屬性，表示返回?cái)?shù)據(jù)的類(lèi)別數(shù)2添履，這里=10屁倔，則返回0-9的數(shù)據(jù)樣本]

# 打印維度
print(c.data.shape) # (1797, 64)

print(c.target.shape) # (1797,)
print(c.images.shape) # (1797, 8, 8)

# 以圖像的形式展示
import matplotlib.pyplot as plt
plt.matshow(c.images[0])
plt.show() # [如下圖]

手寫(xiě)數(shù)據(jù)集.png

目錄
Python機(jī)器學(xué)習(xí)應(yīng)用
一、Sklearn庫(kù)
二暮胧、無(wú)監(jiān)督學(xué)習(xí)
三锐借、有監(jiān)督學(xué)習(xí)

Python機(jī)器學(xué)習(xí)應(yīng)用.jpg