機(jī)器學(xué)習(xí)的基礎(chǔ)知識有哪些

本篇內(nèi)容主要講解“機(jī)器學(xué)習(xí)的基礎(chǔ)知識有哪些”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“機(jī)器學(xué)習(xí)的基礎(chǔ)知識有哪些”吧!

1.1 何謂機(jī)器學(xué)習(xí)

        除卻一些無關(guān)緊要的情況，人們很難直接從原始數(shù)據(jù)本身獲得所需信息。例 如 ，對于垃圾郵 件的檢測，偵測一個(gè)單詞是否存在并沒有太大的作用，然而當(dāng)某幾個(gè)特定單詞同時(shí)出現(xiàn)時(shí)，再輔 以考察郵件長度及其他因素，人們就可以更準(zhǔn)確地判定該郵件是否為垃圾郵件。簡單地說，機(jī)器 學(xué)習(xí)就是把無序的數(shù)據(jù)轉(zhuǎn)換成有用的信息

1.2 如何選擇合適的算法

        首先，考慮使用機(jī)器學(xué)習(xí)算法的目的。如果想要預(yù)測目標(biāo)變量的值，則可以選擇監(jiān)督學(xué)習(xí)算法，否則可以選擇無監(jiān)督學(xué)習(xí)算法。確定選擇監(jiān)督學(xué)習(xí)算法之后，需要進(jìn)一步確定目標(biāo)變量類型，如果目標(biāo)變量是離散型，如是/否、1/2/3、A/B/C或者紅/黃/黑等，則可以選擇分類器算法;如果目標(biāo)變量是連續(xù)型的數(shù)值，如0.0~100.00、-999~999或者正無窮~負(fù)無窮等，則需要選擇回歸算法。

在大多數(shù)情況下，上面給出的選擇方法都能幫助我們選擇恰當(dāng)?shù)臋C(jī)器學(xué)習(xí)算法，但這也并非一成不變。也有時(shí)候我們就會使用分類算法來處理回歸問題，顯然這將與監(jiān)督學(xué)習(xí)中處理回歸問題的原則不同。

        我們只能在一定程度上縮小算法的選擇范圍，一般并不存在最好的算法或者可以給出最好結(jié)果的算法，同時(shí)還要嘗試不同算法的執(zhí)行效果。對于所選的每種算法，都可以使用其他的機(jī)器學(xué)習(xí)技術(shù)來改進(jìn)其性能。在處理輸入數(shù)據(jù)之后，兩個(gè)算法的相對性能也可能會發(fā)生變化。一般說來發(fā)現(xiàn)最好算法的關(guān)鍵環(huán)節(jié)是反復(fù)試錯(cuò)的迭代過程。

        機(jī)器學(xué)習(xí)算法雖然各不相同，但是使用算法創(chuàng)建應(yīng)用程序的步驟卻基本類似。

1.3 開發(fā)機(jī)器學(xué)習(xí)應(yīng)用程序的步驟

學(xué)習(xí)和使用機(jī)器學(xué)習(xí)算法開發(fā)應(yīng)用程序，通常遵循以下的步驟:

(1)收集數(shù)據(jù)

        我們可以使用很多方法收集樣本數(shù)據(jù)，如制作網(wǎng)絡(luò)爬蟲從網(wǎng)站上抽取數(shù)據(jù)、 從RSS反饋或者API中得到信息、設(shè)備發(fā)送過來的實(shí)測數(shù)據(jù)(風(fēng)速、血糖等)。提取數(shù)據(jù)的方法非常多，為了節(jié)省時(shí)間與精力，可以使用公開可用的數(shù)據(jù)源。

(2)準(zhǔn)備輸入數(shù)據(jù)

        得到數(shù)據(jù)之后，還必須確保數(shù)據(jù)格式符合要求，采用的格式是python語言的list。使用這種標(biāo)準(zhǔn)數(shù)據(jù)格式可以融合算法和數(shù)據(jù)源，方便匹配操作。

此外還需要為機(jī)器學(xué)習(xí)算法準(zhǔn)備特定的數(shù)據(jù)格式，如某些算法要求特征值使用特定的格式，一些算法要求目標(biāo)變量和特征值是字符串類型，而另一些算法則可能要求是整數(shù)類型。但是與收集數(shù)據(jù)的格式相比，處理特殊算法要求的格式相對簡單得多。

(3)分析輸入數(shù)據(jù)

        此步驟主要是人工分析以前得到的數(shù)據(jù)。為了確保前兩步有效，最簡單的方法是用文本編輯器打開數(shù)據(jù)文件，査看得到的數(shù)據(jù)是否為空值。此外，還可以進(jìn)一步瀏覽數(shù)據(jù)，分析是否可以識別出模式;數(shù)據(jù)中是否存在明顯的異常值，如某些數(shù)據(jù)點(diǎn)與數(shù)據(jù)集中的其他值存在明顯的差異。通過一維、二維或三維圖形展示數(shù)據(jù)也是不錯(cuò)的方法，然而大多數(shù)時(shí)候我們得到數(shù)據(jù)的特征值都不會低于三個(gè)，無法一次圖形化展示所有特征。

        這一步的主要作用是確保數(shù)據(jù)集中沒有垃圾數(shù)據(jù)。如果是在產(chǎn)品化系統(tǒng)中使用機(jī)器學(xué)習(xí)算法 并且算法可以處理系統(tǒng)產(chǎn)生的數(shù)據(jù)格式，或者我們信任數(shù)據(jù)來源，可以直接跳過第3步。此步驟 需要人工干預(yù)，如果在自動化系統(tǒng)中還需要人工干預(yù)，顯然就降低了系統(tǒng)的價(jià)值。

(4)訓(xùn)練算法

        機(jī)器學(xué)習(xí)算法從這一步才真正開始學(xué)習(xí)。根據(jù)算法的不同，第4步和第5步是機(jī)器學(xué)習(xí)算法的核心。我們將前兩步得到的格式化數(shù)據(jù)輸入到算法，從中抽取知識或信息。這里得到的知識需要存儲為計(jì)算機(jī)可以處理的格式，方便后續(xù)步驟使用。

        如果使用無監(jiān)督學(xué)習(xí)算法，由于不存在目標(biāo)變量值，故而也不需要訓(xùn)練算法，所有與算法相 關(guān)的內(nèi)容都集中在第5步。

1.4 Python語言的優(yōu)勢

        基于以下三個(gè)原因，我們選擇python作為實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法的編程語言:(1)python語法清晰; (2)易于操作純文本文件; (3)使用廣泛，存在大量的開發(fā)文檔。

        python具有清晰的語法結(jié)構(gòu)，大家也把它稱作可執(zhí)行偽代碼(executable pseudo-code)。默認(rèn)安裝的python開發(fā)環(huán)境已經(jīng)附帶了很多高級數(shù)據(jù)類型，如列表、元組、字典、集合、隊(duì)列等，無 需進(jìn)一步編程就可以使用這些數(shù)據(jù)類型的操作。使用這些數(shù)據(jù)類型使得實(shí)現(xiàn)抽象的數(shù)學(xué)概念非常 簡單。此外，讀者還可以使用自己熟悉的編程風(fēng)格，如面向?qū)ο缶幊?、面向過程編程、或者函數(shù) 式編程。

        python語言處理和操作文本文件非常簡單，非常易于處理非數(shù)值型數(shù)據(jù)。python語言提供了豐富的正則表達(dá)式函數(shù)以及很多訪問web頁面的函數(shù)庫，使得從HTML中提取數(shù)據(jù)變得非常簡單直觀。

        在科學(xué)和金融領(lǐng)域python語言得到了廣泛應(yīng)用。SciPy和Numpy等許多科學(xué)函數(shù)庫都實(shí)現(xiàn)了向量和矩陣操作，這些函數(shù)庫增加了代碼的可讀性，學(xué)過線性代數(shù)的人都可以看懂代碼的實(shí)際功能。

        Python的科學(xué)工具可以與繪圖工具M(jìn)atplotlib協(xié)同工作。Matplotlib可以繪制2D、3D圖形，也可以處理科學(xué)研究中經(jīng)常使用到的圖形。

1.5 Numpy函數(shù)庫基礎(chǔ)

        機(jī)器學(xué)習(xí)算法涉及很多線性代數(shù)知識，因此在使用python語言構(gòu)造機(jī)器學(xué)習(xí)應(yīng)用時(shí)，會經(jīng)常使用Numpy函數(shù)庫。如果不熟悉線性代數(shù)也不用著急，這里用到線性代數(shù)只是為了簡化不同的數(shù) 據(jù)點(diǎn)上執(zhí)行的相同數(shù)學(xué)運(yùn)算。將數(shù)據(jù)表示為矩陣形式，只需要執(zhí)行簡單的矩陣運(yùn)算而不需要復(fù)雜的循環(huán)操作。

到此，相信大家對“機(jī)器學(xué)習(xí)的基礎(chǔ)知識有哪些”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！