机器学习入门

从战胜人类围棋高手的AlphaGo，到历史上首个获得公民身份的机器人Sophia，计算机的发展给人们的生产和生活带来了巨大的变化，尤其是具有强大算力的计算机和大量的数据集在多种算法的应用下，对各行各业的发展产生了巨大的影响，甚至很多领域都已经过通过机器代替人类工作了。在信息数据爆炸式增长的大数据时代，谁掌握了机器学习技术，谁就站在了时代的前列。

其实在很多人眼里机器学期是一个望而生畏、可望而不可即的领域。那么在这里你可以从零开始，当然前提你得会python以及数据处理，这也是为什么把这一章放在本书的最后一部分。如果你是一个机器学习的小白，那么以下建议对你有用。

你不需要什么都懂。 你可以只听过机器学习这个概念，不必知道更多的概念名词，如信息熵，特征工程等。你的目标就是完整的跟着案例操作一遍，然后看看结果。刚开始你不必什么都懂。学会机器学习中使用的各种算函数。

你不需要明白算法的原理。对于初学者，你可以对算法原理不用过多的去的去深究，以后可以循序渐进的去了解，重点关注函数调用和赋值。当然，知道机器学习算法的局限性和配置方式很重要，对算法原理的学习可以放在后头。

你也不用是个机器学习专家。你可以在本章学完后再去深入地学习每种算法的优点和局限性，而且这方面有很多资料。

本文并没有涉及机器学习项目的全部步骤，毕竟本章是带领大家入门，把机器学习的重要步骤掌握了，也就算达到了本书的目的。本书归纳的机器学习步骤如下：

?  导入数据

?  数据处理

?  训练模型

?  评估算法

?  做出预测

机器学习分类：分为监督学习，无监督学习、半监督学习、强化学习等。深度学习是机器学习的一个分支。

机器学习的一个重要库：Scikit-learn（Sklearn）

Sklearn的基本回归方法有线性、决策树、SVM、KNN，集成方法有随机森林，Adaboost和GBRT。

Sklearn的调用非常简单，只需以下几步：

1.   实例化一个算法对象（如决策树回归算法clf =DecisionTreeRegressor()）

2.   调用fit()函数就可以了（如clf.fit(train_x,train_y)）

3.   使用predict()函数来预测了（result = clf.predict(test_x)）

4.   使用score(）函数来评估预测值和真实值的差异（score = clf.score(test_x,test_y)），函数返回一个得分.

为了方便实验，我们造好了一些训练和测试数据。现有训练数据50条，tr_x1,tr_x2,以及train_y（含有噪声）；测试数据10条，te_x1,te_x2,以及对应的真值test_y。直接调用函数data()即可，输出为(train_x,train_y,test_x,test_y)，调用模式：train_x,train_y,test_x,test_y= data()。

scikit-learn的调用非常简单，只需实例化一个算法对象（如决策树回归算法clf =DecisionTreeRegressor()），然后调用fit()函数就可以了（如clf.fit(train_x,train_y)），fit之后，就可以使用predict()函数来预测了（result =clf.predict(test_x)），然后可以使用score(）函数来评估预测值和真实值的差异（score = clf.score(test_x,test_y)），函数返回一个得分。例如调用决策树的方法如下：

# -*- coding:utf-8 -*-

"""

Scikit-learn的基本回归方法有线性、决策树、SVM、KNN，集成方法有随机森林，Adaboost和GBRT。

余本国

海南医学院

2020年3月8日

"""

import numpy asnp

importmatplotlib.pyplot as plt

def data():

"""

造数据。

现有训练数据50条（tr_x1,tr_x2,以及train_y（含有噪声）），

测试数据10条（te_x1,te_x2,以及对应的真是test_y）

输出为： (train_x,train_y,test_x,test_y)

调用模式：train_x,train_y,test_x,test_y= data()

"""  

#训练和测试的x1、x2数据

tr_x1 =np.linspace(-60,50,50)

tr_x2 =list(range(0,50))

te_x1 =np.linspace(50,60,10)

te_x2 =list(range(50,60))

#函数

y =np.sin(tr_x1)+np.exp(tr_x2)+3     #c取3

#训练数据train_y

train_x =[[x1,x2] for x1,x2 in zip(tr_x1,tr_x2)]

train_y =[y+np.random.random(1) for tr_x1,tr_x2 in zip(tr_x1,tr_x2)]

#测试数据   

test_x = [[x1,x2]for x1,x2 in zip(te_x1,te_x2)]

test_y = [y forte__x1,te__x2 in zip(te_x1,te_x2)]

return(train_x,train_y,test_x,test_y)

#导入相应的模块

from sklearn.treeimport DecisionTreeRegressor

train_x,train_y,test_x,test_y=data()

#实例化模型

clf =DecisionTreeRegressor()

#训练模型

clf.fit(train_x,train_y)

result =clf.predict(test_x)

score =clf.score(test_x,test_y)

result

#根据预测值和真值来画出图像

plt.figure(figsize=(24,12))

plt.plot(np.arange(len(test_x)),test_y,'go-',label='true value')

plt.plot(np.arange(len(test_x)),result,'ro-',label='predictvalue')

plt.title('score:%f'%score)

plt.legend()

plt.show()

其他的算法如线性、SVM、KNN以及随机森林、Adaboost和GBRT，只需替换以上代码中的导入相应的模块和实例化模型两部分即可。替换内容对应如下表：