Machine Learning - Inleiding

Machine learning maakt het mogelijk voor computers om te leren van gegevens en statistische informatie.

Machine learning is een stap in de richting van kunstmatige intelligentie (AI).

Machine learning is een programma dat gegevens kan analyseren en resultaten kan leren voorspellen.

Waar begin je?

In deze tutorial zullen we terugkeren naar wiskunde en statistiek, en hoe we belangrijke waarden kunnen berekenen op basis van de dataset.

We zullen ook leren hoe we verschillende Python modules kunnen gebruiken om de benodigde antwoorden te verkrijgen.

En we zullen leren hoe we functies kunnen schrijven die resultaten kunnen voorspellen op basis van wat we hebben geleerd.

Dataset

In een computer verwijst de dataset naar elke verzameling gegevens. Dit kan alles zijn van een array tot een volledige database.

Een voorbeeld van een array:

[99,86,87,88,111,86,103,87,94,78,77,85,86]

Een voorbeeld van een database:

AutoNaam Kleur Leeftijd Snelheid AutoPass
BMW rood 5 99 Y
Volvo zwart 7 86 Y
VW grijs 8 87 N
VW wit 7 88 Y
Ford wit 2 111 Y
VW wit 17 86 Y
Tesla rood 2 103 Y
BMW zwart 9 87 Y
Volvo grijs 4 94 N
Ford wit 11 78 N
Toyota grijs 12 77 N
VW wit 9 85 N
Toyota blauw 6 86 Y

Door het bekijken van de array kunnen we vermoeden dat de gemiddelde mogelijk ongeveer 80 of 90 is, en we kunnen ook het hoogste en laagste getal bepalen, maar wat kunnen we nog meer doen?

通过查看数据库，我们可以看到最受欢迎的颜色是白色，最老的车龄是 17 年，但是如果仅通过查看其他值就可以预测汽车是否具有 AutoPass，该怎么办？

这就是机器学习的目的！分析数据并预测结果！

在机器学习中，通常使用非常大的数据集。在本教程中，我们会尝试让您尽可能容易地理解机器学习的不同概念，并将使用一些易于理解的小型数据集。

数据类型

如需分析数据，了解我们要处理的数据类型非常重要。

我们可以将数据类型分为三种主要类别：

  • 数值（Numerical）
  • 分类（Categorical）
  • 序数（Ordinal）

数值数据是数字，可以分为两种数值类别：

离散数据（Discrete Data）
- 限制为整数的数字。例如：经过的汽车数量。
连续数据（Continuous Data）
- 具有无限值的数字。例如：一件商品的价格或一件商品的大小。

分类数据是无法相互度量的值。例如：颜色值或任何 yes/no 值。

序数数据类似于分类数据，但可以相互度量。示例：A 优于 B 的学校成绩，依此类推。

通过了解数据源的数据类型，您就能够知道在分析数据时使用何种技术。

在下一章中，您将学习有关统计和分析数据的更多知识。