Python 机器学习(Machine Learning) 简介

1、从哪开始学?

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。

并且，我们将学习如何根据所学知识制作能够预测结果的函数。

2、数据集(Data Set)

在计算机中，数据集是数据的任何集合。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：

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AutoPass，该怎么办？

那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，我们将尝试使它尽可能容易地理解机器学习的不同概念，并且我们将使用一些易于理解的小型数据集。

3、数据类型(Data Types)

要分析数据，了解我们正在处理的数据类型非常重要。

我们可以将数据类型分为三个主要类别：

• Numerical
• Categorical
• Ordinal

数值数据是数字，可以分为两个数值类别：

• 离散数据
  -仅限整数的数字。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yes/no值。

序数数据类似于分类数据，但可以相互度量。例如：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，将能够知道在分析数据时使用哪种技术。

在下一章中，将了解有关统计和分析数据的更多信息。