python --机器学习(基本算法详解)

介绍

数据集

在计算机中，数据集指的是任何数据集合。它可以是从数组到完整数据库的任何内容。

一个数组的例子：

[99,86,87,88,111,86,103,87,94,78,77,85,86]
1

一个数据库的例子：

通过查看数组，我们可以猜测平均值可能约为 80 或 90，并且我们还可以确定最大值和最小值，但是我们还能做什么？

通过查看数据库，我们可以看到最受欢迎的颜色是白色，最老的车龄是 17 年，但是如果仅通过查看其他值就可以预测汽车是否具有 AutoPass，该怎么办？

这就是机器学习的目的！分析数据并预测结果！

在机器学习中，通常使用非常大的数据集。在本教程中，我们会尝试让您尽可能容易地理解机器学习的不同概念，并将使用一些易于理解的小型数据集。

数据类型

如需分析数据，了解我们要处理的数据类型非常重要。

我们可以将数据类型分为三种主要类别：

• 数值（Numerical）
• 分类（Categorical）
• 序数（Ordinal）

数值数据是数字，可以分为两种数值类别：

离散数据（Discrete Data）

• 限制为整数的数字。例如：经过的汽车数量。

连续数据（Continuous Data）

• 具有无限值的数字。例如：一件商品的价格或一件商品的大小。

分类数据是无法相互度量的值。例如：颜色值或任何 yes/no 值。

序数数据类似于分类数据，但可以相互度量。示例：A 优于 B 的学校成绩，依此类推。

通过了解数据源的数据类型，您就能够知道在分析数据时使用何种技术。

平均中位数模式

均值、中值和众数

从一组数字中我们可以学到什么？

在机器学习（和数学）中，通常存在三中我们感兴趣的值：

• 均值（Mean） - 平均值
• 中值（Median） - 中点值，又称中位数
• 众数（Mode） - 最常见的值

例如：我们已经登记了 13 辆车的速度：

speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
1

什么是平均，中间或最常见的速度值？

均值

均值就是平均值。

要计算平均值，请找到所有值的总和，然后将总和除以值的数量：

(99+86+87+88+111+86+103+87+94+78+77+85+86) / 13 = 89.77
1

NumPy 模块拥有用于此目的的方法：

实例

import numpy

speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]

x = numpy.mean(speed)

print(x)
1
2
3
4
5
6
7