机器学习分类及训练集测试集划分方法

机器学习
机器学习的分类：
– 监督学习
– 无监督学习
– 半监督学习
– 强化学习

机器学习任务

监督学习
– 定义：训练是提供学习系统训练样本即样本对应标签，也城有导师学习
– 最终目标：根据学习过程获得经验技能，对没学习过的问题也可作出正确解答，使计算机获得这种泛化能力
– 典型监督学习方法：决策树，支持向量机，监督式神经网络等分类算法和线性回归等回归算法
– 应用：手写文字识别，声音处理，图像处理，垃圾邮件分类与拦截，网页检索，基因诊断，股票预测
– 典型任务：预测分类标签的分类，预测顺序的排列，预测数值型数据的回归

无监督学习
– 定义：主要特点是训练只提供学习系统的训练样本，而没有样本对应的类别标签
– 最终目标：无监督学习不局限于解决有正确答案的问题，所以目标可不必十分明确
– 典型无监督学习方法：聚类学习，自组织神经网络学习
– 应用：人造卫星故障诊断，视频分析，社交网站解析，声音信号解析，数据可视化，监督学习的前处理工具等
– 典型任务：聚类，异常检测

半监督学习
– 定义：在半监督学习方式下，训练数据有部分被标识，部分没有被标识，这种模型首先学习数据的内在结构，以便合理的组织数据来进行预测；算法上，包括一些对常用监督式学习算法的延伸，这些算法首先试图对标识数据进行建模，在此基础上再对未标识的数据进行预测

强化学习
– 定义：通过试错来发现最优行为策略而不是带有标签的样本学习；强化学习被认为是人类主要学习模式之一
– 最终目标：使计算机获得对没学习过问题也可作出正确解答的泛化能力
– 应用：机器人的自动控制，计算机游戏中的人工智能，市场战略的最优化
– 典型任务：回归，分类，聚类，降维

分类问题：根据数据样本抽取的特征，判定其属于有限个类别中哪一个；在实际分类中，大多产生一个概率值，对概率值做排序得到该样本属于哪个类别的概率最高
回归问题：根据样本抽取特征，预测连续值结果；属于有监督学习
聚类问题：根据数去样本抽取特征，挖掘出数据的关联模式
强化学习：研究如何基于环境而行动，以获得最大预期收益
强化学习关键因素：environment, reward,action and state
强化学习解决问题是：针对一个具体问题得到一个最优策略，使得在该策略下获得的reward最大

机器学习流程：数据预处理，模型学习，模型评估，新样本预测

机器学习分类评价标准：混淆矩阵
机器学习回归评价标准：
– mean squared error
– 均方根误差（RMSE）

scikit-learn：专门针对机器学习的python包

线性回归
回归分析
– 统计学方法，了解两个或多个变量是否相关，研究其相关方向和强度
– 帮助了解自变量变化时因变量的变化量，可有自变量估计因变量的条件期望

机器学习任务