机器学习1

机器学习

- 算法模型：对象。
- 作用：
    - 预测
    - 分类
- 样本数据：
    - 特征数据：自变量（必须是二维）
    - 目标数据：因变量
- 模型的分类：
    - 有监督学习：sklearn
    - 无监督学习：
    - 半监督学习：
- 编码流程：
    - 1.选择模型
    - 2.实例化一个模型对象
    - 3.提取样本数据
    - 4.拆分样本数据（训练，测试数据）
    - 5.训练模型
    - 6.保存模型
    - 7.测试模型的精准度

手写数字识别案例回顾

手写数字识别案例回顾
- 提取样本数据
    - 特征：5000张图片对应的数据（二维）
    - 目标：5000个0-9之间的数字
- 切分样本（训练，测试数据）
- 实例化KNN的模型对象（k）
- 训练模型
- 模型的测试
- 保存模型

- 对个三维的图片数据进行降维：mean(aixs=2)==>二维
- 图片进行像素等比例的压缩（28*28）
- 变形成1行-1列

from sklearn.linear_model import LinearRegression
# 实例化一个模型对象
linner = LinearRegression()
# 求解 (训练模型):需要将样本数据(特征,目标)带入到模型对象中
linner.fit() # X特征数据必须是二维的 y目标