目录
一：机器学习概述
二：机器学习算法
三：机器学习模型
四：机器学习过程
五：机器学习模型验证
六：sklearn模块
一：机器学习概述
程序化处理和机器学习处理；
主观思维和客观思维；
下面举一个例子：我们现在帮小明决定明天到底要不要去看球赛
考虑因素： 天气、价格、朋友、球星
1 程序化：
if ...
else if ...
else if ...
else if ...
2 那么机器学习呢？
现在提供这样一种情境
天气：下雨
门票价格：100
同伴情况：没人一起
球星：有他喜欢的球星
那么可以做出这样一种分析：小明肯定会去，因为只要他喜欢的球星来了，无论怎么样他都会去的
由上述，机器学习示例，有了简单的概念
经验 + 思考 = 结果
经验也称为数据(样本)分为特征和标签：
特征：指的是在某些特定的外在条件或者内在条件下的一个反应，比如上述的天气、价格、是否有喜欢的球星等 (考虑因素)
标签：指的是在特征发生后，等到的一个结果，比如去看球赛和不去看球赛
经验/数据，如下示例 特征(天气等考虑因素) + 标签(结果)
| 天气 | 价格 | 朋友 | 球星 | 结果 |
| 晴天 | 150 | 有 | 有 | 去 |
| 阴天 | 200 | 没有 | 没有 | 不去 |
| 晴天 | 500 | 有 | 有 | 不去 |
| 多云 | 180 | 有 | 没有 | 去 |
| 多云 | 130 | 有 | 有 | 去 |
此时，若是再给出一组数据，来决定是否去看球赛，根据这样的经验的不断累积，就类似是机器学习的一整个过程
二：机器学习算法
线性回归
Logistic回归
决策树
朴素贝叶斯
K近邻算法
支持向量机(SVM)
...
对于机器学习算法，举个例子
比如，一个母亲在教孩子识字的过程 (算法)，那么最终会识字的孩子(模型)
三：机器学习模型
机器学习模型 = 数据 + 算法
数据的特征决定了机器学习的上限 (收集到的数据量)，而算法只是无限逼近于这个上限 (不断训练模型，调优算法)
模型训练过程
机器学习算法被描述为学习一个目标函数f，该函数将输入变量X最好地映射到输出变量Y:Y=f(X) X：模型数据 Y：结果
最常见地机器学习算法是学习映射Y=f(x)来预测新X的Y；这叫做预测建模或预测分析，我们的目标是尽可能做出最准确的预测
模型训练过程 + 模型预测过程
训练 图示如下
每一个特征x，分别有各自的w(权重) ，算法是每一个特征与其对应权重的结合，然后求和，预测结果
预测 图示 如下
输入对应特征值，模型以及存在(W权重 值已知)，模型在训练成功后(预期值已知 如上图3就是该模型临界点)
四：机器学习过程
首先：问题的产生
需要准备数据集，数据集需要提纯优化，接下来训练数据，需要认识数据的分布以及观察是否有特殊点/离散点，之后进行数据预处理(数据清洗)，经过这样一系列操作才比较完整，特征构造
算法的选择：首先考虑是有监督问题还是无监督问题
无监督学习(少，结果需要自己去整合分析，无监督模型会分类，把有相似特征的归为一类，准确率也不是很高)，目前比如模仿人脑神经网络的，世界上做这类研究的也寥寥无几，不仅耗费大量成本时间，而且不一定能取得结果；因此，绝大多数做的都是有监督学习
有特征、有标签 -- 有监督学习
有特征、无标签 -- 无监督学习
分类问题 ：分类统计
回归问题 ：预测走向
五：机器学习模型验证
拟合(Fitting)：就是说这个曲线能不能很好的描述某些样本
过拟合(Overfitting)：就是太过贴近于训练数据的特征了，在训练集上表现非常优秀，近乎完美的预测/区分了所有的数据，但是在新的测试集上却表现平平，不具泛化性，拿到新样本后没有办法去准确的判断
欠拟合(UnderFitting)：测试样本的特性没有学到，或者是模型过于简单无法拟合或区分样本
分类，如上图，好的拟合 如中间图所示
欠拟合就相当于摆烂，随意分类，过拟合就相当于超级认真，精确分类
回归，如上图，好的拟合 如中间图所示
欠拟合就相当于摆烂，随意回归曲线，过拟合就相当于超级认真，精确回归曲线
六：sklearn模块
Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习算法进行的封装和实现，它自带一些训练数据集供用户使用
Sklearn datasets
Sklearn提供一些标准数据，我们不必再从其他网站寻找数据进行训练
鸢尾花数据集：load_iris()
手写数字数据集：load_digits()
波斯顿房价数据集：load_boson()
....
安装：
pip3 install sklearn -i https://pypi.mirrors.ustc.edu.cn/simple/安装sklearn后，即可使用鸢尾花数据集，
如下博主使用鸢尾花数据集，提取特征数据、标签数据并对数据集划分
1 ：sklearn - datasets - data下包含有训练数据集供用户使用
2 ：cv2 - data 下包含有人脸识别相关训练模型
