机器学习入门笔记 一

• 简单分类
• 算法例子
• 回归
• 示例
• • 使用线性回归分辨 Rocks vs. Mines
  • • step1: 导入数据
    • step2：建立train,test 数据集
    • step3: 建立模型
    • step4: 预测结果
    • step5: 评估模型
    • • confusion matrix
      • ROC(Receiver Order Characteristic)
      • Precision & Recall
      • 如何决定theshold的值？

简单分类

1. Supervised: Both input and output data are used in prediction.
2. Unsupervised: Only input data is used in prediction.

算法例子

1. 回归（Regression） ，通过寻找每一对input,output 数据之间的数学联系，模拟联系通过input预测output. 属于supervised
2. Classifiction and regression trees 通过进行input的不同分类来观测得到的不同output,从而探索其之间的关系；属于supervised
3. Clustering 对input整体进行分类，找出相似的input组成cluster；属于unsupervised

回归

1. 线性 linear