Python 机器学习入门

• 

  机器学习

  • 机器学习使计算机从研究数据和统计信息中学习。
  • 机器学习是迈向人工智能（AI）方向的一步。
  • 机器学习是一个程序，可以分析数据并学习预测结果。

  在本教程中，我们将回到数学和研究统计学，以及如何根据数据集计算重要数字。我们还将学习如何使用各种Python模块来获得所需的答案。而且，我们将学习如何根据所学知识编写能够预测结果的函数。
• 

  数据集

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

  数组示例：

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

  数据库示例：

  车名	颜色	车龄	速度	自动通行证
  宝马	红色	5	99	y
  沃尔沃	黑色	7	86	y
  大众	灰色	8	87	n
  大众	白色	17	88	y
  福特汽车	白色	2	111	y
  大众	白色	17	86	y
  特斯拉	红色	2	103	y
  宝马	黑色	9	87	y
  沃尔沃	灰色	4	94	n
  福特汽车	白色	11	78	n
  丰田汽车	灰色	12	77	n
  大众	白色	9	85	n
  丰田汽车	蓝色	6	86	y

  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，最古老的汽车是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自动通行证，该怎么办？那就是机器学习的目的！分析数据并预测结果！

  说明:在机器学习中，通常使用非常大的数据集。在本教程中，我们将尝试使其尽可能容易地理解机器学习的不同概念，并且将使用一些易于理解的小型数据集。

• 

  资料类型

  要分析数据，重要的是要知道我们正在处理什么类型的数据。我们可以将数据类型分为三个主要类别：

  • 数值型
  • 分类的
  • 序数

  数值数据是数字，可以分为两个数值类别：

  • 离散数据 - 限于整数的数字。示例：经过的汽车数量。
  • 连续数据 - 具有无限值的数字。示例：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。示例：颜色值或任何是/否值。

  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，您将能够知道在分析数据时使用哪种技术。在下一章中，您将了解有关统计和分析数据的更多信息。