機器學習 - 入門

機器學習使計算機能夠從研究數據和統計信息中學習。

機器學習是邁向人工智能（AI）方向的其中一步。

機器學習是一種程序，可以分析數據并學習預測結果。

從何處開始？

在本教程中，我們將回到數學并研究統計學，以及如何根據數據集計算重要數值。

我們還將學習如何使用各種 Python 模塊來獲得所需的答案。

并且，我們將學習如何根據所學知識編寫能夠預測結果的函數。

數據集

在計算機中，數據集指的是任何數據集合。它可以是從數組到完整數據庫的任何內容。

一個數組的例子：

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

一個數據庫的例子：

Carname Color Age Speed AutoPass
BMW red 5 99 Y
Volvo black 7 86 Y
VW gray 8 87 N
VW white 7 88 Y
Ford white 2 111 Y
VW white 17 86 Y
Tesla red 2 103 Y
BMW black 9 87 Y
Volvo gray 4 94 N
Ford white 11 78 N
Toyota gray 12 77 N
VW white 9 85 N
Toyota blue 6 86 Y

通過查看數組，我們可以猜測平均值可能約為 80 或 90，并且我們還可以確定最大值和最小值，但是我們還能做什么？

通過查看數據庫，我們可以看到最受歡迎的顏色是白色，最老的車齡是 17 年，但是如果僅通過查看其他值就可以預測汽車是否具有 AutoPass，該怎么辦？

這就是機器學習的目的！分析數據并預測結果！

在機器學習中，通常使用非常大的數據集。在本教程中，我們會嘗試讓您盡可能容易地理解機器學習的不同概念，并將使用一些易于理解的小型數據集。

數據類型

如需分析數據，了解我們要處理的數據類型非常重要。

我們可以將數據類型分為三種主要類別：

  • 數值（Numerical）
  • 分類（Categorical）
  • 序數（Ordinal）

數值數據是數字，可以分為兩種數值類別：

離散數據（Discrete Data）
- 限制為整數的數字。例如：經過的汽車數量。
連續數據（Continuous Data）
- 具有無限值的數字。例如：一件商品的價格或一件商品的大小。

分類數據是無法相互度量的值。例如：顏色值或任何 yes/no 值。

序數數據類似于分類數據，但可以相互度量。示例：A 優于 B 的學校成績，依此類推。

通過了解數據源的數據類型，您就能夠知道在分析數據時使用何種技術。

在下一章中，您將學習有關統計和分析數據的更多知識。