2019年3月1日14:30:47
2.特征工程
2.1 数据集
- 目标
- 知道数据集分为：训练集和测试集
- 会使用sklearn数据集
- 应用
2.1.1 可用数据集
- 公司内部 （比如百度等自己收集资料）
- 数据接口 （比如第三方的，可能需要花钱）
- 不开放的机密数据集（自己一般不可用）
学习阶段可用的数据集：
- sklearn
- kaggle（已经被google收购）
- UCI(加州大学)
Kaggle 网址：https://www.kaggle.com/datasets
UCI 数据集网址：http://archive.ics.uci.edu/ml/
scikit-learn 网址：http://scikit-learn.org/stable/datasets/index.html#datasets
https://scikit-learn.org/stable/
实现代码量比较少。
2.安装
pip3 install Scikit-learn==0.19.1
安装之后检查是否安装成功的命令：
import sklearn
注：安装scikit-learn 需要Numpy,Scipy等库
https://www.jianshu.com/p/ce85f5bd900f
那么应该怎么解决呢，其实很简单， 编辑 /usr/bin/pip 文件，修改代码
from pip._internal import main
另存为时，提示没有权限保存。
sudo chmod 600 ××× （只有所有者有读和写的权限）
sudo chmod 644 ××× （所有者有读和写的权限，组用户只有读的权限）
sudo chmod 700 ××× （只有所有者有读和写以及执行的权限）
sudo chmod 666 ××× （每个人都有读和写的权限）
sudo chmod 777 ××× （每个人都有读和写以及执行的权限）
若分配给某个文件所有权限，则利用下面的命令：
sudo chmod -R 777 文件或文件夹的名字（其中sudo是管理员权限）
---------------------
作者：langzi7758521
来源：CSDN
原文：https://blog.csdn.net/langzi7758521/article/details/51190425
版权声明：本文为博主原创文章，转载请附上博文链接！
3.Scikit-learn 包含的内容
2019年3月1日10:53:24
https://www.bilibili.com/video/av39137333?from=search&seid=10652255103060463445
1.4 机器学习开发流程
1>.获取数据
2>.数据处理（数据判断）
3>.特征工程（将数据处理成：更能直接被使用的数据 （特征值））
4>.机器学习算法进行训练---得到---模型。
5>.模型评估（如果不合适，重新进行（2）数据处理）
1.5 学习框架和资料介绍
学习机器学习时，重点：
（1）算法是核心，数据与计算是基础
（算法的改进、数据的积累、数据进行训练需要硬件设备的支持）
（2）找准定位
大部分复杂模型的算法设计都是算法工程师在做，我们需要
- 分析很多的数据
- 分析具体的业务
- 应用常见的算法
- 特征工程、调参数、优化
- 应该怎么做？
- 下面介绍的1.5.1-1.5.3 一步一步来的话比较稳、基础、周期长，不一定能坚持下去。
- 为了快速入门的话，可以学习些视频、看些实战类书籍、
- 机器学习（西瓜书）-周志华（对某一问题产生疑问）、
- 统计学习方法--李航
- 深度学习--“花书”。
- 学会分析问题，使用机器学习算法的目的，想要算法完成何种任务。
- 掌握算法基本思想，学会对问题用相应的算法解决。
- 学会利用库或者框架解决问题。
当前重要的是：掌握一些机器学习算法等技巧，从某个业务领域切入解决问题。
1.5.1 机器学习库与框架
看到这篇博客记录的挺详细 https://blog.csdn.net/u010164190/article/details/79114889
https://blog.csdn.net/u013063153/article/details/54728628
1、scikit-learn
简介： 基于 python 的第三方库，用于数据挖掘与数据分析，简单易用，以统计机器学习为主（深度学习相关框架参考之后的各个框架）。基于 NumPy, SciPy, matplotlib， 免费开源。
开源协议： BSD 2.0
深度学习框架
（1）Google：
2、Tensorflow
（2）FaceBook:
3、Pytorch
4、Caffe2
（3）
theano 可以看做是TensorFlow的前身
Chainer 可以看做是pytorch的前身
1.5.2 书籍资料
1.5.3 提深内功（但不是必须）
2019年2月27日10:01:14
https://www.bilibili.com/video/av39137333?from=search&seid=10652255103060463445
1.1 人工智能概述
达特茅斯会议（1956年8月）-人工智能的起点
在美国汉诺斯小镇 达特茅斯学院
约翰-麦卡锡（John McCarthy）
马文-闵斯基（Marvin Minsky，人工智能与认知学专家）
克劳德-香农（Claude Shannon，信息论的创始人）
用机器来模仿人类学习以及其他方面的智能。
1956年，也就成为了人工智能元年。
机器学习和人工智能、深度学习的关系：
- 机器学习是人工智能的一个实现途径
- 深度学习是机器学习的一个方法发展而来
1.2 机器学习、深度学习能做些什么
机器学习的应用场景非常多，渗透到了各个行业领域中，医疗、航空、教育、物流、电商等领域的各种场景。
- 挖掘、预测领域：
- 应用场景：店铺销量预测、量化投资、广告推荐、企业客户分类、SQL语句安全检测分类...
- 图像识别
- 应用场景：街道交通标志检测、人脸识别...
- 自然语言处理
- 应用场景：文本分类、情感分析、自动聊天、文本检测等
- 南方都市报的“小南”，广州日报的“阿同”机器人
当前重要的是掌握一些机器学习算法等技巧，从某个业务领域切入解决问题。
1.1.3 人工智能阶段课程安排
1.2 什么是机器学习
1.2.1 定义
机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。
1.2.2 解释
机器识别猫和狗。从数据（大量的猫和狗的图片）中自动分析获得模型（辨别猫和狗的规律），
从而使机器拥有识别猫和狗的能力。
预测房屋价格。从（房屋的各种信息）中自动分析获得模型（判断房屋价格的规律），从而使机器拥有预测房屋价格的能力。
从历史数据当中获得规律？ 这些历史数据是怎样的格式？
1.2.3 数据集构成
通常把机器学习的数据叫做：数据集。
- 结构：特征值+目标值
- 注：
- 每一行数据我们可以称之为样本。
- 有些数据集可以没有目标值。
1.3 机器学习算法分类
学习目标
- 机器学习算法：监督学习与无监督学习
- 监督学习的分类、回归特点。
（1）目标值：类别- 分类问题。
猫和狗的区别。就属于分类问题。
（2)目标值：连续型的数据-回归问题。
房屋价格。连续型数据。
(3)当没有目标值时，=无监督学习。
人物的各个属性信息。
1.3.3 机器学习算法分类
- 监督学习（supervised learning）(预测)
- 分类：k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
- 回归: 线性回归、岭回归
- 无监督学习（unsupervised learning）
- 聚类 k-means
1.4 机器学习开发流程
2019-01-22 19:47
该笔记摘自：慕课网-深度学习的某一篇课程。
深度学习是以神经网络为基础的。
讲述神经网络学习入门。
神经网络是机器学习的一种算法。
机器学习是将无序数据转换为价值的方法。从数据中抽取规律，并预测未来。
机器学习应用案例
-
分类问题:
- 图像识别、垃圾邮件识别。回归问题:房价预测、股价预测。
-
排序问题:
- 点击率预估、推荐。
-
生成问题:
- 图像生成、图像风格转换、图像文字描述生成（世界杯:通常是一些有经验的人来讲述，点评。现在根据图片就可以生成图片的描述，进而取代这类行业）。
机器学习应用流程
训练数据，定义目标函数（找到要优化的方面），选择相应的机器学习算法，训练得到模型，并应用到线上服务。最后形成循环。
机器学习岗位职责
数据处理（采集+去噪）
模型训练（特征+模型）
模型评估与优化（MSE、F1-score、AUC+调参）
模型应用（A/B测试）
深度学习简介
深度学习与机器学习
- 机器学习是实现人工智能的方法
- 深度学习是实现机器学习算法的技术