1.机器学习问题分类
从数据集的角度看机器学习：数据集一般由自变量(x，特征)和因变量(y，标签)组成。
根据所要处理的数据中有没有因变量，机器学习可分为有监督学习和无监督学习：
(1)有监督学习
指所分析的数据集中既含有自变量，也有因变量，这也是我们最常遇到的机器学习任务。
其中，根据因变量(y)是否连续，有监督学习又可分为回归问题(y连续)和分类问题(y离散)。(还有一类是排序问题，输出y是一个序列)
(2)无监督学习
指所分析的数据集中只含有自变量，没有因变量，建模的目的是学习数据本身的结构和关系。如聚类分析，降维分析等，这不是我们讨论的重点。
(3)强化学习
实际上，我认为强化学习应该是独立于上面两类的一类新的问题，这个有机会再介绍。
2.回归
(1)首先我们可以导入Boston数据集作为回归问题
数据集中特征含义具体可以自查~
from sklearn import datasets
boston = datasets.load_boston() # 返回一个类似于字典的类
X = boston.data
y = boston.target
features = boston.feature_names
boston_data = pd.DataFrame(X,columns=features)
boston_data["Price"] = y
boston_data.head() #查看数据前几行
(2)绘图分析
绘图的基础就不说了，这里介绍学到的两个新功能：运行时间和绘图风格
%%time #可以用来查看程序运行的时间
%matplotlib inline
plt.style.use("ggplot") #将绘图风格调整为ggplot风格
普通sns.scatterplot()作图效果(以分析Price~NOX)为例：
NOX：一氧化氮浓度(/千万分之一)
二者的绘图效果自己去感受，我觉得后者绘图逼格略高，有质感。但从绘制时间上来说，在美观的同时，多花了一倍的时间(178ms)。
可以明显看出：在一氧化氮浓度低的地方的房价较高，反之相反，这符合直观常识，毕竟污染小的区域房源竞争激烈!
这个关系更加明显：犯罪率越低的区域，房价自然越高，符合常识。
3.分类
(1)导入iris数据集作分析：
from sklearn import datasets
iris = datasets.load_iris()
iris数据集中的特征解释：
sepal length (cm)：花萼长度(厘米)
sepal width (cm)：花萼宽度(厘米)
petal length (cm)：花瓣长度(厘米)
petal width (cm)：花瓣宽度(厘米)
(2)绘图观察特征
# 可视化特征
marker = ['s','x','o']
for index,c in enumerate(np.unique(y)):
plt.scatter(x=iris_data.loc[y==c,"sepal length (cm)"],y=iris_data.loc[y==c,"sepal width (cm)"],alpha=0.8,label=c,marker=marker[c])
plt.xlabel("sepal length (cm)")
plt.ylabel("sepal width (cm)")
plt.legend() 大连人流哪家好 mobile.fkyy120.net/
plt.show()
代码中，介绍两个语法：
1)enumerate()是python的内置函数，对一个可迭代对象，用于既要遍历索引又要遍历元素时。enumerate还可以接收第二个参数，用于指定索引起始值。
2)unique( )用于去除重复值，保留唯一值
每种不同的颜色和点的样式为一种类型的鸢尾花，数据集有三种不同类型的鸢尾花。
4.无监督学习
我们可以使用sklearn生成符合自身需求的数据集，这些数据集没有因变量，可以用来模拟无监督学习。
注：无监督数据样本生成可访问sklearn的API：
sklearn-API: Samples generator.
(1)生成无监督数据，并可视化：
# 生成月牙型非凸集
from sklearn import datasets
x, y = datasets.make_moons(n_samples=2000, shuffle=True,
noise=0.05, random_state=None)
for index,c in enumerate(np.unique(y)):
plt.scatter(x[y==c,0],x[y==c,1],s=7)
plt.show()
(2)通过make_checkerboard函数生成一个棋盘数据集:
# 生成棋盘数据集
from sklearn import datasets
n_clusters = (4, 3)
data, rows, columns = datasets.make_checkerboard(
shape=(300, 300), n_clusters=n_clusters, noise=10,
shuffle=False, random_state=0)
plt.matshow(data, cmap=plt.cm.Blues)
plt.title("Original dataset")