1 機器學習處理流程:
2 機器學習分類:
-
有監督學習
主要用於決策支持，它利用有標識的歷史數據進行訓練，以實現對新數據的表示的預測
1 分類
分類計數預測的數據對象是離散的。如短信是否為垃圾短信，用戶是否喜歡電子產品
常用方法: K近鄰、朴素貝葉斯、決策樹、SVM
2 回歸
回歸技術預測的數據對象是連續值。例如溫度變化或時間變化。包括一元回歸和多元回歸，線性回歸和非線性回歸
常用方法: 線性回歸、邏輯回歸、嶺回歸
-
無監督學習
主要用於知識發現，在歷史數據中發現隱藏的模式或內在結構
1 聚類
聚類算法用於在數據中尋找隱藏的模式或分組。K-means
-
半監督學習
在半監督學習方式下，訓練數據有部分被標識，部分沒有被標識，這種模型首先需要學習數據的內在結構，以便合理的組織數據來進行預測。算法上，包括一些對常用監督式學習算法的延伸，這些算法首先試圖對未標識數據進行建模，在此基礎上再對標識的數據進行預測。
常見方法: 深度學習
3 K-近鄰算法原理
-
KNN概述
簡單來說,K-近鄰算法采用測量不同特征值之間的距離方法進行分類（k-Nearest Neighbor，KNN）
優點: 精度高、對異常值不敏感、無數據輸入假定
缺點: 時間復雜度高、空間復雜度高
1、當樣本不平衡時，比如一個類的樣本容量很大，其他類的樣本容量很小，輸入一個樣本的時候，K個臨近值中大多數都是大樣本容量的那個類，這時可能就會導致分類錯誤。改進方法是對K臨近點進行加權，也就是距離近的點的權值大，距離遠的點權值小。
2、計算量較大，每個待分類的樣本都要計算它到全部點的距離，根據距離排序才能求得K個臨近點，改進方法是：先對已知樣本點進行剪輯，事先去除對分類作用不大的樣本。
適用數據范圍 : 數值型和標稱型
1 標稱型：標稱型目標變量的結果只在有限目標集中取值，如真與假(標稱型目標變量主要用於分類)
2 數值型：數值型目標變量則可以從無限的數值集合中取值，如0.100，42.001等 (數值型目標變量主要用於回歸分析)
-
工作原理
1 樣本訓練集
2 電影類別KNN分析
3 歐幾里得距離(歐式距離)
4 KNN計算過程流程圖
入門案例 : 電影類型分析
電影名稱 動作鏡頭 接吻鏡頭 電影類別 0 前任三 2 15 愛情 1 復仇者聯盟 36 3 動作 2 殺破狼 24 1 動作 3 戰狼 29 2 動作 4 泰坦尼克號 1 18 愛情 5 大話西游 29 3 愛情 6 星願 2 20 愛情 7 西游記 25 2 動作 8 七月與安生 3 19 愛情import numpy as np import pandas as pd from pandas import Series,DataFrame import matplotlib.pyplot as plt %matplotlib inline #從excel讀取數據 films = pd.read_excel('films.xlsx',sheet_name=1) train = films[['動作鏡頭','接吻鏡頭']] target = films['電影類別'] # 創建機器學習模型 from sklearn.neighbors import KNeighborsClassifier knn = KNeighborsClassifier() # 對knn模型進行訓練 # 構建函數原型、構建損失函數、求損失函數最優解 knn.fit(train,target) ''' KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski', metric_params=None, n_jobs=1, n_neighbors=5, p=2, weights='uniform') ''' #輸入兩個案例 cat = np.array([[3,16],[20,4]]) # 使用predict函數對數據進行預測 knn.predict(cat) plt.scatter(train.values[:,0],train.values[:,1]) plt.scatter(cat[:,0],cat[:,1],color='red')KNN近鄰機器學習案例2
from sklearn.neighbors import KNeighborsClassifier import numpy as np #knn對象 neigh = KNeighborsClassifier(n_neighbors=3) #身高、體重、鞋的尺寸 X = np.array([[181,80,44],[177,70,43],[160,60,38],[154,54,37], [166,65,40],[190,90,47],[175,64,39],[177,70,40], [159,55,37],[171,75,42],[181,85,43]]) display(X) y = ['male','male','female','female','male','male','female','female','female','male','male'] # 第1步：訓練數據 neigh.fit(X,y) # 第2步：預測數據 Z = neigh.predict(np.array([[190,70,43],[168,55,37]])) display(Z) #array(['male', 'female'], dtype='<U6') 識別出對應的性格
4 KNN用於分類
-
用於分類的numpy方法介紹
np.meshgrid 從坐標向量返回坐標矩陣
import numpy as np nx, ny = 3, 4 x = np.linspace(0, 1, nx) y = np.linspace(0, 1, ny) xv, yv = np.meshgrid(x, y) display(x,y,xv,yv)輸出：
array([ 0. , 0.5, 1. ])
array([ 0. , 0.33333333, 0.66666667, 1. ])
array([[ 0. , 0.5, 1. ],[ 0. , 0.5, 1. ], [ 0. , 0.5, 1. ], [ 0. , 0.5, 1. ]])array([[ 0. , 0. , 0. ],
[ 0.33333333, 0.33333333, 0.33333333],
[ 0.66666667, 0.66666667, 0.66666667],
[ 1. , 1. , 1. ]])>np.ravel 返回一個連續的平坦矩陣 ```python x = np.array([[1, 2, 3], [4, 5, 6]]) display(x,x.ravel()) #輸出： array([[1, 2, 3], [4, 5, 6]]) array([1, 2, 3, 4, 5, 6])np.c_ 將切片對象按第二軸轉換為串聯
np.c_[np.array([1,2,3]), np.array([4,5,6])]
輸出：
array([[1, 4],
[2, 5],
[3, 6]])
- **具體操作**
```python
# 導入庫：KNeighborsClassifier
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
# 導入sklearn自帶數據集
from sklearn import datasets
# 得到訓練樣本
iris = datasets.load_iris()
X = iris.data[:,:2]
y = iris.target
#定義三種顏色代表三種藍蝴蝶
cmap_species = ListedColormap(['#FF0000','#00FF00','#0000FF'])
#c對應顏色池映射到target值
plt.scatter(X[:,0],X[:,1],c = y,cmap = cmap_species)
plt.show()
繪制圖形之后進行KNN
#定義KNN分類器
clf = KNeighborsClassifier(n_neighbors=10)
# 第1步：訓練分類器
clf.fit(X,y)
# 圖片的顯示范圍,畫布的邊界范圍
x_min, x_max = X[:,0].min()-1, X[:,0].max()+1
y_min, y_max = X[:,1].min()-1, X[:,1].max()+1
# 圖片的背景顯示坐標
xx,yy = np.meshgrid(np.arange(x_min,x_max,0.02),np.arange(y_min,y_max,0.02))
# 第2步：預測 ravel()數據扁平化
Z = clf.predict(np.c_[xx.ravel(),yy.ravel()])
z = Z.reshape(xx.shape)
cmap_background = ListedColormap(['#FFAAAA','#AAFFAA','#AAAAFF'])
# 顯示背景的顏色
plt.pcolormesh(xx,yy,z,cmap=cmap_background)
# 顯示點的顏色
plt.scatter(X[:,0],X[:,1],c = y,cmap=cmap_species)
plt.xlim(xx.min(),xx.max())
plt.ylim(yy.min(),yy.max())
plt.title('3-class classification')
plt.show()
5 KNN用於回歸
import numpy as np
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsRegressor
%matplotlib inline
x = np.linspace(0,2*np.pi,40)
y = np.sin(x)
plt.scatter(x,y)
plt.xlabel('feature')
plt.ylabel('target')
# 隨機數種子，用於固定隨機數
np.random.seed(2)
noise = np.random.random(size=20) - 0.5
y[::2] += noise
plt.scatter(x,y)
# 生成knn回歸模型
# n_neighbors 就是距離預測樣本最近的點的個數
knn = KNeighborsRegressor(n_neighbors=19)
knn.fit(x.reshape(-1,1),y)
# 獲取預測樣本集
# 預測數據的形狀應該和訓練數據的形狀一致（不要求數量一致，要求特征一致）
X_test = np.linspace(0,2*np.pi,100).reshape(-1,1)
y_ = knn.predict(X_test)
plt.plot(X_test,y_,color='orange',label='predict')
plt.scatter(x,y,color='blue',label='true-data')
plt.legend()
# 創建多個算法模型，采用不同的參數，查看回歸的結果
knn1 = KNeighborsRegressor(n_neighbors=1)
knn2 = KNeighborsRegressor(n_neighbors=7)
knn3 = KNeighborsRegressor(n_neighbors=21)
knn1.fit(x.reshape(-1,1),y)
knn2.fit(x.reshape(-1,1),y)
knn3.fit(x.reshape(-1,1),y)
y1_ = knn1.predict(X_test)
y2_ = knn2.predict(X_test)
y3_ = knn3.predict(X_test)
# 擬合度過高，稱為過擬合，對數據分析的過於在意局部特征
plt.plot(X_test,y1_,color='orange',label='n_neighbors=1')
# 擬合度剛好，稱為最佳擬合，這是機器學習的終極目標，調參就是為了達到這個目的
plt.plot(X_test,y2_,color='cyan',label='n_neighbors=7')
# 擬合度太差，稱為欠擬合，對數據特征分析不透徹，數據有效特征太少，樣本數量太少
plt.plot(X_test,y3_,color='red',label='n_neighbors=21')
plt.scatter(x,y,color='blue',label='true-data')
plt.legend()