从机器学习算法本身来看，可分为监督学习、非监督学习、半监督学习、增强学习。

针对于本次自学的内容，主要以回归、分类的集成学习问题为主，因此主要学习监督学习：

监督学习：给机器的训练数据拥有标记或标签的学习方式是监督学习。监督学习主要处理分类、回归问题，最常见的监督学习算法主要有以下几种：

1. 朴素贝叶斯(Naive Bayes Classifier)

朴素贝叶斯算法(NBC) 是应用最为广泛的分类算法之一。NBC假设了数据集属性之间是相互独立的，常用于文本分类。

2. 决策树(Decision Tree)

决策树算法采用树形结构，使用层层推理来实现最终的分类。

决策树通常由根节点、内部节点、叶节点三个元素构成，ID3、C4.5、CART是决策树常用的三种典型算法。

讯享网

3. 支持向量机(SVM)

支持向量机把分类问题转化为寻找分类平面的问题，并通过最大化分类边界点距离分类平面的距离来实现分类。

SVM可以解决高维问题，也能够解决小样本下机器学习问题。

4. 逻辑回归(Logistic Regression)

逻辑回归是用于处理因变量为分类变量的回归问题，常见的是二分类或二项分布问题，也可以处理多分类问题，它实际上是属于一种分类方法，用来表示某件事情发生的可能性。

逻辑回归实现简单，分类时计算量非常小、速度很快、存储资源低，主要应用于工业问题上。

5. 线性回归(Linear Regression)

线性回归是处理回归任务最常用的算法之一。该算法的形式十分简单，它期望使用一个超平面拟合数据集(只有两个变量的时候就是一条直线)。

线性回归建模速度快，不需要很复杂的计算，在数据量大的情况下运行速度依然很快，同时可以根据系数给出每个变量的理解和解释。

逻辑回归与线性回归主要有以下不同点：

6. 回归树(Regression Tree)

回归树，顾名思义，就是用树模型做回归问题，每一片叶子都输出一个预测值。

回归树通过将数据集重复分割为不同的分支而实现分层学习，分割的标准是最大化每一次分离的信息增益。这种分支结构让回归树很自然地学习到非线性关系。

7. K邻近(K-Nearest Neighbor)

K邻近算法是最简单的机器学习算法。

该方法的思路是：在特征空间中，如果一个样本附近的K个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。

K邻近算法理论相对成熟，思想简单，既可以用来做分类也可以用来做回归。

8. AdaBoost

AdaBoost目的就是从训练数据中学习一系列的弱分类器或基本分类器，然后将这些弱分类器组合成一个强分类器。

AdaBoost有一个很突出的特点就是精度很高。

9. 神经网络

神经网络从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。

在人工智能领域，神经网络通常指人工神经网络，即ANNs。

引自：https://www.cnblogs.com/manfukeji/p/11976831.html

回归

下面以Boston房价数据集对监督学习中的回归进行问题举例：

# 引入相关科学计算包 import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline plt.style.use("ggplot") import seaborn as sns 

讯享网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() 

sklearn中所有内置数据集都封装在datasets对象内，返回的对象有：

• data:特征X的矩阵(ndarray)
• target:因变量的向量(ndarray)
• feature_names:特征名称(ndarray)

上面代码中，我们利用boston = datasets.load_boston()得到的一个类似于字典的类，经过查阅是Bunch类，本质上的数据类型是dict，属性有：

DESCR：数据描述。
target_names：标签名。可自定义，默认为文件夹名。
filenames：文件名。
target：文件分类。如猫狗两类的话，与filenames一一对应为0或1。
data：数据数组。

sns.scatterplot(boston_data['NOX'],boston_data['Price'],color="r",alpha=0.6) plt.title("Price~NOX") plt.show() 

可以看到，数据给定任务所需要的因变量，因变量为波士顿房价Price是一个连续型变量，所以这是一个回归的例子。

分类

讯享网from sklearn import datasets iris = datasets.load_iris() X = iris.data y = iris.target features = iris.feature_names iris_data = pd.DataFrame(X,columns=features) iris_data['target'] = y iris_data.head() 

# 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() plt.show() 

我们可以看到：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。因此因变量是一个类别变量，因此通过特征预测鸢尾花类别的问题是一个分类问题。