Python数据科学入门
Dmitry Zinoviev著
熊子源 译
第10章 机器学习
| 监督学习 | 尝试从具有标记的训练数据集中推断出预测函数，其中训练数据集中的每一个样本属于哪类都是已知的。（线性回归、逻辑回归、随机决策森林、朴素贝叶斯分类、支持向量机、线性判别分析、神经网络） |
|---|---|
| 无监督学习 | 尝试在没有标记的数据中找出隐藏的结构。（K均值、社区检测、分层聚类、主成分分析） |
第48单元 设计预测试验
完成模型的建立、评估和验证有一下四个步骤：
- 将输入数据分成训练集和测试集（一般占比为7:3）；
- 仅使用训练集构建数据模型；
- 将新模型应用于测试集；
- 评估模型质量（通过多方面的评价指标来评估，比如准确度等）。
模型评价指标可有四个方面：准确度、精确度、灵敏度（召回率）和特异性
| TP | 模型正确地预测了属性为存在的项目数（真阳） |
|---|---|
| TN | 模型正确地预测了属性为不存在的项目数（真阴） |
| FP | 模型错误地预测了属性为存在的项目数（假阳） |
| FN | 模型错误地预测了属性为不存在的项目数（假阴） |
准确度
是正确分类项目的比例：
精确度
是所有阳性分类中真阳所占的比例：
**灵敏度（召回率）**是在所有阳真实值中真阳所占的比例：
特异性
是在所有阴真实值中真阴所占的比例
第49单元 线性回归拟合
普通最小二乘回归（OLS）
训练模型的过程是最小化加权残差的平方和（SSR）：
脊回归
模型正则化：
当α=0，脊回归退化为OLS回归。α越大，惩罚越大。
逻辑回归
创建一个逻辑回归对象：
LogisticRegression()
其中包含一个最重要的参数C，参数C是正则化参数的倒数（脊回归的α的倒数）。为了使分类的结果有意义，一般取值至少为20。
第50单元 用K均值聚类实现数据分组
K均值聚类按照下面的算法将样本聚合成k个类：
- 随机选择k个初始矢量作为初始质心（矢量不需要时数据集中的样本）；
- 将每个样本分配给它最接近的质心；
- 重新计算质心位置；
- 重复步骤（2）和（3），直到质心不再移动。
《Python数据科学入门》这本书中的主要内容也就概述完了。这本书每个章节后面都有三道习题，本人感觉挺有用的，大家可以自行学习。（
"The more you know who you are and what you want,the less you let things upset you."--《Lost in Translation》
）
