监督学习和kNN分类初学者教程

作者|Behic Guven 编译|VK 来源|Towards Data Science

在这篇文章中，我将向你介绍一种称为监督学习的机器学习方法。我将向你展示如何使用Scikit-learn构建kNN分类器模型。

这将是一个实践演练，我们将能够在实践知识的同时学习。作为我们的分类器模型，我们将使用k-NN算法模型，这将在引言部分进行更多介绍。作为编程语言，我们将使用Python。

阅读本教程后，你将更好地了解深度学习和监督学习模型的工作原理。

目录

• 监督学习

• 库

• 了解数据

• kNN分类器模型

• 过拟合与欠拟合

• 结论

监督学习

深度学习是一门科学，它使计算机能够在没有明确编程的情况下从数据中得出结论。比如学会预测电子邮件是否是垃圾邮件。另一个很好的例子是通过观察花的图片将它们分为不同的类别。

在监督学习中，数据分为两部分：特征和目标变量。任务是通过观察特征变量来预测目标变量。监督学习可用于两种不同的模型：分类和回归

当目标变量是分类数据集时，可以使用分类模型。

当目标变量是连续值时，使用回归模型。

库

在这一步中，我们将安装本教程所需的库。正如引言中提到深度学习lib库的主要知识库。除此之外，我们将安装两个简单的库，它们是NumPy和Matplotlib。使用PIP（python包管理器）可以很容易地安装库。

安装库

进入终端窗口，开始安装过程：

pip install scikit-learn

现在让我们安装其他两个库：

pip install numpy matplotlib

导入库

很完美！现在让我们将它们导入到我们的程序中，以便使用它们。我将在本教程中使用Jupyter Notebook。因此，我创建了一个新的Notebook并导入了以下库模块。