【转换器】

fit_transform()：输入数据并直接转换

fit()：输入数据，但不做其他事

transform()：进行数据的转换

【估计器】是一类实现了算法的API

1. 用于分类的估计器：

-- sklearn.neighbors 

-- sklearn.naive_bayes

-- sklearn.linear_model.LogiscRegression

-- sklearn.tree

2. 用于回归的估计器

-- sklearn.linear_model.LinearRegression

-- sklearn.linear_model.Ridge 

估计器流程

1、调用训练集：fit(x_train, y_train)

2、输入待预测的测试集数据：

2.1、y_predict = predict( x_test)

2.2、验证预测的准确率：score( x_test, y_test)

【sklearn 数据集】

- 数据集的划分：将数据集划分为训练集（建立模型）和测试集（评估模型）

- sklearn数据集划分API：sklearn.model_selection.train_test_split

--sklearn.datasets：加载获取流行数据集

1. datasets.load_*()：获取小规模数据集，数据包含在datasets中

2. datasets.fetch_*(data_home=None)：获取大规模数据集

--获取数据集返回的类型为datasets.base.Bunch（字典格式）

---data：特征数据数组，是 [n_samples*n_features] 的二维 numpy.ndarray 数组

---target：标签数组

---DESCR：数据描述

---feature_names：特征名

---target_names：标签名

- 

-数据类型

1. 离散数据类型（计数数据）：区间内不可分，整数，不能进一步提高精确度

2. 连续性数据：区间内可分，通常为非整数。变量可以在某个范围内任取数。

- 机器学习算法分类

1. 监督学习（预测）：特征值+目标值

1.1 分类（目标值为离散型）：k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络

1.2 回归（目标值为连续型）：线性回归、岭回归

1.3 标注：隐马尔科夫模型

2. 非监督学习：特征值

2.1 聚类 k-means

- 特征抽取：将文本等原始数据转化为特征向量的形式

- 常用数据集数据的结构组成：特征值 + 目标值（有些数据集可以没有目标值）

- 样本：一组数据也可以称为一个样本。

- 数据中对于特征的处理：

1. pandas：工具。数据读取非常方便，可以处理数据的基本格式

2. sklearn：可以对特征进行处理——这类处理被称为特征工程。

# 机器学习不需要对样本进行去重

【特征工程】

- 特征工程是将原始数据转换为能更好地代表预测模型的潜在问题的特征的过程，从而提高对未知数据的预测准确性

- 安装scikit-learn

2022.12.3

- 机器学习的数据：文件 csv

- 不用mysql的原因：

1. 具有性能瓶颈、读取速度慢

2. 格式不符合机器学习要求数据的格式

- pandas：读取数据的工具

- numpy（读取速度快）

- 可用数据集：Kaggle、UCI、scikit-learn

- 常用数据集数据的结构组成：特征值 + 目标值（有些数据集没有目标值）

- 什么是机器学习：数据中自动分析获得规律（模型），利用规律对未知数据进行预测

- 影响人工智能发展的重要因素：计算能力、数据大小、算法发展

- 使用场景：无人驾驶的场景识别、图片艺术化、医用彩超辨别、需求销量等数据预测

- 机器学习领域：自然语言处理、图像识别、传统预测

- 机器学习库和框架：scikit learn（机器学习）、tensorflow（深度学习）

- 书籍：统计学习方法、机器学习、python数据分析与挖掘实战、机器学习系统设计、面向机器智能tensorflow实践

- 课程概要：特征工程、模型策略优化、分类回归聚类、tensorflow、神经网络、图像识别、自然语言处理

sudo进行用户切换。

$一般账户

#超级管理员

微信，如何实现多用户操作？

whoami我是哪个账户。

exit切回去。

which  ls

cat显示文件内容

mv重新命名文件名移动

ln链接快捷键

ln -硬链接相当于复制

cat 1 2》3

把1和2合并到3里。

grep搜索

ls显示文件

cp复制粘贴

-r解决文件夹不让动。

rmdir 删除文件夹

rm -r可以删非空文件

ctrl+c删除命令行。

mkdir创建文件夹

tree以目录树的方式显示文件夹

-p自动创建文件夹

回归>>>均方误差MSE

随机森林>>>分类器比较好用吗?

random_state是不同的特征作为初始的节点来产生的不同的树,所以需要不同的特征

袋装法,有放回的随机抽样技术

n个样本组成的自助集

bootstrap>>默认为True

袋外数据(out of bag data,简写为oob)

criterion 不纯度的衡量指标

有基尼系数和信息熵,信息熵的增益

n_estimators 这是森林中树木的数量,基评估器的数量,default-10

实例化-交叉验证

波动本质上是一样的,  但集成算法压倒性的强

集成算法

调参曲线,交叉验证,网格算法    调参方法

base estimator 基评估器

boosting 结合弱评估器一次次对难以评估的对象进行攻克

对特征提问得出决策规则-决策树