机器学习基础（呃呃呃，我没跑路我在坚持学习的）

我并没有跟之前一样学习两天打鱼三天晒网因为老师的更换导致学习的方式作业等等都不一样所以有些偏差。。。。。废话不多说经过前端时间的学习Python的基础语法函数以及相关库进行了一段时间的系统学习。今天李老师开张的机器学习的基础。首先开篇讲到机器学习的步骤。1.收集数据 2.建立数学模型训练 3.预测一般会有几百种机器学习的方法但不可能一一说完所以这些天学习是对于市面比较常用的10种机器学习的方法进行学习。小的第一天因身体原因请假了所以一篇博客把两天内容一起展现第一天开篇学习的机器学习的方法是KNN算法。什么是KNN算法KNN 的全称是 K Nearest Neighbors意思是 K 个最近的邻居。当预测一个新样本的类别时根据它距离最近的 K 个样本点是什么类别来判断该新样本属于哪个类别多数投票。通过对于卖房和多个数据分类的例子点出KNN算法适用于分类和回归两种。在期间也介绍了一些数学相关概念例如欧式距离和曼哈顿距离公式。对于python中使用KNN算法我们没必要手搓我们可以使用第三方库帮我们封装好的函数进行使用于是sklearn库就和我们相见了。通过案例实现对于KNN算法的掌握对于我们这些大学生来看宿舍矛盾一直贯穿着我们整个大学其实上了大学才发现对自己的室友千万不要抱有太大的期望只要他们全是正常人就谢天谢地了毕竟人有优缺点都正常小的这也开学大四了也经历不少室友矛盾但总体来说室友都还很不错了。话题扯远了。。。。。回归正题在大学安排寝室住宿一直对于辅导员也是一件很难的问题那么我们就可以想我们是否可以创建一个程序或者问卷去收集进校学生的日常生活习惯和起居爱好等等从而来分配寝室。这个案例就这么水灵灵的出现了中间小的插一句其实我们学习这些计算机也好数据也好这些 东西最后都是为了日常生活使用所以这种工作熟悉业务可能比技术过硬还要重要小的自己想的没有官方性。。。根据我们的要求我们可以根据上述操作进行数据收集。为此李老师为我们准备了相关数据。这是对于数据处理之后通过matplotlib做出的图。在这个案例之后又提出一个案例小的还没摸索明白怎么上传数据等我慢慢搞上图是通过KNN算法进行第二个案例进行数据训练和预测。第一天的最后又把线性回归开了个小头首当其冲的就是一元线性回归模型。之后则是多元线性回归模型也介绍了什么是极大似然估计极大似然估计方法Maximum Likelihood EstimateMLE也称为最大概似估计或最大似然估计是求估计的一种方法说的是已知某个随机样本满足某种概率分布但是其中具体的参数不清楚参数估计就是通过若干次试验观察其结果利用结果推出参数的大概值。极大似然估计是建立在这样的思想上已知某个参数能使这个样本出现的概率最大我们当然不会再去选择其他小概率的样本所以干脆就把这个参数作为估计的真实值。以上就是第一天的内容第二天开始则继续了昨天的开头提到了线性回归模型。在其中大部分都是数学相关的知识这里就不过多赘述了但有一点提到了一个相关库。这里小的就不一一解释了。但比较重要的就是提到了两个案例这个是对于人的身高体重对于人血压收缩会不会产生影响进行了如下操作还有一个案例是对于银行用户贷款进行预测真实数据脱敏了大概是这样小的手敲麻了一点点ai没用纯手搓受不了了要休息了明天继续。感谢您的观看