Python數據科學入門
Dmitry Zinoviev著
熊子源 譯
第10章 機器學習
| 監督學習 | 嘗試從具有標記的訓練數據集中推斷出預測函數，其中訓練數據集中的每一個樣本屬于哪類都是已知的。（線性回歸、邏輯回歸、隨機決策森林、樸素貝葉斯分類、支持向量機、線性判別分析、神經網絡） |
|---|---|
| 無監督學習 | 嘗試在沒有標記的數據中找出隱藏的結構。（K均值、社區檢測、分層聚類、主成分分析） |
第48單元 設計預測試驗
完成模型的建立、評估和驗證有一下四個步驟：
- 將輸入數據分成訓練集和測試集（一般占比為7:3）；
- 僅使用訓練集構建數據模型；
- 將新模型應用于測試集；
- 評估模型質量（通過多方面的評價指標來評估，比如準確度等）。
模型評價指標可有四個方面：準確度、精確度、靈敏度（召回率）和特異性
| TP | 模型正確地預測了屬性為存在的項目數（真陽） |
|---|---|
| TN | 模型正確地預測了屬性為不存在的項目數（真陰） |
| FP | 模型錯誤地預測了屬性為存在的項目數（假陽） |
| FN | 模型錯誤地預測了屬性為不存在的項目數（假陰） |
準確度
是正確分類項目的比例：
精確度
是所有陽性分類中真陽所占的比例：
**靈敏度（召回率）**是在所有陽真實值中真陽所占的比例：
特異性
是在所有陰真實值中真陰所占的比例
第49單元 線性回歸擬合
普通最小二乘回歸（OLS）
訓練模型的過程是最小化加權殘差的平方和（SSR）：
脊回歸
模型正則化：
當α=0，脊回歸退化為OLS回歸。α越大，懲罰越大。
邏輯回歸
創建一個邏輯回歸對象：
LogisticRegression()
其中包含一個最重要的參數C，參數C是正則化參數的倒數（脊回歸的α的倒數）。為了使分類的結果有意義，一般取值至少為20。
第50單元 用K均值聚類實現數據分組
K均值聚類按照下面的算法將樣本聚合成k個類：
- 隨機選擇k個初始矢量作為初始質心（矢量不需要時數據集中的樣本）；
- 將每個樣本分配給它最接近的質心；
- 重新計算質心位置；
- 重復步驟（2）和（3），直到質心不再移動。
《Python數據科學入門》這本書中的主要內容也就概述完了。這本書每個章節后面都有三道習題，本人感覺挺有用的，大家可以自行學習。（
"The more you know who you are and what you want,the less you let things upset you."--《Lost in Translation》
）
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
