整合學習上機器學習中的三大任務

@[toc](整合學習(上)——task1 機器學習中的三大任務)

機器學習的主要的目標就是用數學模型來理解資料，發現資料中的規律，通過發現發現的規律用作資料的分析和**；

根據資料集是否有因變數，機器學習的任務主要是可以分為:有監督學習和無監督學習

其中有監督學習主要是分為: 回歸和分類

)# 返回乙個類似於字典的類

**中通過:

datasets.load_boston()方法匯入波士頓房價的資料(經典的**問題)，可以從資料的視覺化中看出，最後就是本資料的因變數(波士頓房價price)，所以本問題屬於的是乙個回歸問題，同時也是有監督問題。

**如下（示例）：

通過dataframe中的head()函式，可以看資料的最後一列表示的target也就是該樣本所屬的類別，同時通過資料視覺化可以看出圖中的資料主要分為三類，類別2和3之間的分類界限是十分不明顯的。

在無監督學習中，我們往往只有特徵資料而沒有相對應的標籤，所以我們在學習過程需要發現資料內在的規律，進而將其轉換成我們熟悉的學習模式。

在本節需要著重了解下的就是生成無監督學習的相關sklearn的函式：

其實總體來說有監督學習和無監督學習，可以簡化為是否含有給定的標籤。

所以監督學習：在模型的迭代過程中，通過將模型的**值和真實值進行比較，運用不同的評價函式，將**值和真實值之間的差距反饋給模型，使得模型在迭代過程中不斷的自我調整，最終輸出我們預想的值，也就是模型的發展是我們的監督之下的。

無監督學習：無監督學習由於缺乏對應的標籤，所以模型在迭代過程中自由發展和探索資料樣本之間內在的規律。

整合學習 上 機器學習中的三大任務