机器学习以及scikit-learn库功能概述

一、机器学习

定义：机器学习是从数据中自动分析获取模型，并利用模型对未知数据进行预测。
分类：

监督学习：在训练模型时提供给学习系统训练样本以及样本对应的类别标签。
目标：利用一组带有标签的数据学习从输入到输出的映射，然后将这种映射关系应用到未知数据上（离散数据–>分类问题，连续数据–>回归问题）
无监督学习：训练数据包含一组输入向量而没有相应的目标值。
目标：发现原始数据中相似样本的集合（聚类），或者确定数据的分布（密度估计），或者降维。
典型的无监督学习算法：聚类学习，自组织神经网络学习
半监督学习：训练数据部分有标识，部分无标识，这些算法首先试图对未标识数据进行建模，在此基础上再对标识的数据进行预测。
强化学习：通过试错来发现最优行为策略，主要包含四个元素：agent，环境状态，行为，奖励。
强化学习的目标就是获得最多的累计奖励。

二、scikit-learn

分类：识别给定对象的所属类别，常见应用场景垃圾邮件检测和图像识别
聚类：自动识别具有相似属性的给定对象，并将其分组为集合
回归：预测与给定对象相关联的连续值属性。
数据降维：使用主成分分析（PCA）、非负矩阵分解（NMF）或特征选择等降维技术来减少要考虑的随机变量的个数，其主要应用场景包括可视化处理和效率提升。
模型选择：模型选择是对于给定参数和模型的比较、验证和选择，其主要目的是通过参数调整来提升精度
数据预处理：数据预处理是指数据的特征提取和归一化，是机器学习第一个也是最重要的一个环节。
（归一化：将输入数据转换为具有零均值和单位权方差的新变量，但因为大多数时候都做不到精确等于零，因此会设置一个可接受的范围，一般都要求落在（0，1）之间。
特征提取：将文本或图像数据转换为可用于机器学习的数字变量）