大话机器学习(一)--Go for it!

qtlyx · · 3921 次点击 · · 开始浏览    
这是一个创建于 的文章,其中的信息可能已经有所发展或是发生改变。

本系列教程适合对机器学习一无所知,甚至文科森哦。反正不会有数学公式,I promise!教程基于sklearn的python机器学习库。

打开机器学习的面纱,就是这样。

首先要有利器。工欲善其事必先利其器。看我下面这个文章吧,下载一下这个软件,然后我们就可以开始了。

http://blog.csdn.net/qtlyx/article/details/49742483

1.什么是机器学习?

数据挖掘,深度学习,模式识别,大数据挖掘。一切听起来很深奥的样子。其实呢,就是一句话:分类和预测!说的那么好听就是在做这两件事。

2.线性回归

马上开始!有一种东西叫做最小二乘法,不知道也没有关系。

话说有这样一张图,上面有这么多点点是已知的,现在问题来了,告诉你横轴的值是0.56的点,纵轴的值应该是多少?这就是预测喽。最最简单的方法就是最小二乘法,说白了就是找一条直线,能够很好的预测0.56的点对应的函数值。那怎么画出这个直线呢?接下来就是sklearn登场了。
http://scikit-learn.org/stable/
这个是sklearn的官网,都很详细的说明,不过当然不如我通俗啦~
Anaconda里面集成了这个包,直接import就可以了。
import matplotlib.pyplot as plt#画图包
import numpy as np#sklearn的支持包
from sklearn import datasets, linear_model#导入sklearn中的数据集和线性模型

# 读取一组数据,好像是糖尿病的哦。这不是重点
diabetes = datasets.load_diabetes()
diabetes_X = diabetes.data[:, np.newaxis, 2]
diabetes_X = diabetes_X[:-20]
diabetes_y = diabetes.target[:-20]
# 重点来了,这里利用数据建立了一个线性回归的类
regr = linear_model.LinearRegression()
#把数据放进去,说好听点,就是让这个模型“学习”一下。数据就是我们上图的那些点。
regr.fit(diabetes_X, diabetes_y)
regr.coef_#返回最小二乘法的那根直线的。分别是常数和一次项系数。


把直线画出来的话的,就是这样的。然后就可以快乐的拿这条直线与预测了。
机器学习,其实就是这么简单。


有疑问加站长微信联系(非本文作者)

本文来自:CSDN博客

感谢作者:qtlyx

查看原文:大话机器学习(一)--Go for it!

入群交流(和以上内容无关):加入Go大咖交流群,或添加微信:liuxiaoyan-s 备注:入群;或加QQ群:1006366459

3921 次点击  
加入收藏 微博
添加一条新回复 (您需要 登录 后才能回复 没有账号 ?)
  • 请尽量让自己的回复能够对别人有帮助
  • 支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`
  • 支持 @ 本站用户;支持表情(输入 : 提示),见 Emoji cheat sheet
  • 图片支持拖拽、截图粘贴等方式上传