北京理工大學在線課程:
http://www.icourse163.org/course/BIT-1001872001
機器學習分類
監督學習
無監督學習
半監督學習
強化學習
深度學習
Scikit-learn算法分類
sklearn自帶的標準數據集
sklearn的六大任務:分類、迴歸、聚類、降維、模型選擇、數據預處理。
一、無監督學習:數據沒有標籤。最常用的是聚類和降維。
聚類:根據數據的相似性將數據分爲多類的過程。使用樣本的“距離”來估算樣本的相似性，不同的距離計算方法有不同的分類結果。常用的距離計算方法有歐氏距離，曼哈頓距離，馬氏距離，餘弦相似度。
sklearn的聚類功能包含在sklearn.cluster中。同樣的數據集應用不同的算法可能得到不同的結果，運行時間也不同。
其所接受的數據輸入格式:
標準輸入格式:[樣本個數,特徵個數]定義的矩陣形式。
相似矩陣形式輸入:以[樣本數目]定義的矩陣，矩陣中每個元素爲樣本相似度。
常用聚類算法
降維:在保證數據所具有的代表特性或分佈的情況下，將高維數據轉化爲低維數據。
用於數據的可視化，或精簡數據。
sklearn的降維算法包含在decomposition模塊中，含有7種降維算法。主要有
1.聚類
①k-means算法及應用
以k爲參數，把n個對象分爲k個簇，使簇內具有較高的相似度，而簇間的相似度較低。
過程:
隨機選擇k個點作爲初始的聚類中心。
對於剩下的點，根據其與聚類中心的距離，將其歸入最近的簇。
對每個簇，計算所有點的均值作爲新的聚類中心。
重複前兩步直到聚類中心不再發生改變。
實例:31省市居民收入分類。詳見文章的github代碼庫。
拓展和改進:KMeans默認使用歐氏距離進行計算。如果要用其它距離計算方法，要修改源碼。
②DBSCAN算法
是一種基於密度的聚類算法。聚類時不需要預先指定簇的個數。
將數據點分爲三類:
核心點:在半徑Eps內含有超過MinPts數目的點。
邊界點:在半徑Eps內點的數量小於MinPts，但是落在覈心點的鄰域內。
噪音點:既不是核心點也不是邊界點。
過程:
將所有點標記爲核心點，邊界點或噪音點。
刪除噪聲點
爲距離在Eps之內的所有核心點之間賦予一條邊。
每組連通的核心點形成一個簇。
將每個邊界點指派到一個與之關聯的核心點的簇中(哪一個核心點的半徑範圍之內)。
實例:學生上網時間分類。詳見文章的github代碼庫。
技巧:長尾數據不適宜聚類，可以用對數轉換。
本文代碼:
https://github.com/zwdnet/MyQuant/tree/master/25
我發文章的四個地方，歡迎大家在朋友圈等地方分享，歡迎點“在看”。
我的個人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的博客園博客地址： https://www.cnblogs.com/zwdnet/
我的微信個人訂閱號：趙瑜敏的口腔醫學學習園地