從五個方面帶你入門機器學習：什么是機器學習？工作流程是什么？機器學習算法有哪些？模型評估學習以及Azure機器學習模型搭建實驗。

　　1什么是機器學習

　　機器學習是從數(shù)據(jù)中自動分析獲得模型，并利用模型對未知數(shù)據(jù)進行預測。

　　2機器學習工作流程

　　1.獲取數(shù)據(jù)

　　2.數(shù)據(jù)基本處理

　　3.特征工程

　　4.機器學習（模型訓練）

　　5.模型評估

　　結果達到要求，上線服務

　　沒有達到要求，重新上面步驟

　　2.1獲取到的數(shù)據(jù)集介紹

　　數(shù)據(jù)簡介

　　在數(shù)據(jù)集中一般：

　　一行數(shù)據(jù)我們稱為一個樣本

　　一列數(shù)據(jù)我們成為一個特征

　　有些數(shù)據(jù)有目標值（標簽值），有些數(shù)據(jù)沒有目標值（如上表中，電影類型就是這個數(shù)據(jù)集的目標值）

　　數(shù)據(jù)類型構成：

　　數(shù)據(jù)類型一：特征值+目標值（目標值是連續(xù)的和離散的）

　　數(shù)據(jù)類型二：只有特征值，沒有目標值

　　數(shù)據(jù)分割：

　　機器學習一般的數(shù)據(jù)集會劃分為兩個部分：

　　訓練數(shù)據(jù)：用于訓練，構建模型

　　測試數(shù)據(jù)：在模型檢驗時使用，用于評估模型是否有效

　　劃分比例：

　　訓練集：70% 80% 75%

　　測試集：30% 20% 25%

　　2.2數(shù)據(jù)基本處理

　　即對數(shù)據(jù)進行缺失值、去除異常值等處理

　　2.3特征工程

　　2.3.1什么是特征工程

　　特征工程是使用專業(yè)背景知識和技巧處理數(shù)據(jù)，使得特征能在機器學習算法上發(fā)揮更好的作用的過程。

　　意義：會直接影響機器學習的效果

　　2.3.2 為什么需要特征工程（Feature Engineering）

　　機器學習領域的大神Andrew Ng（吳恩達）老師說“Coming up with features is difficult, time-consuming, requires expert knowledge.

　　”Applied machine learning“ is basically feature engineering. ”

　　注：業(yè)界廣泛流傳：數(shù)據(jù)和特征決定了機器學習的上限，而模型和算法只是逼近這個上限而已。

　　2.3.3 特征工程包含內容

　　特征提取

　　特征預處理

　　特征降維

　　2.3.4 各概念具體解釋

　　特征提取

　　將任意數(shù)據(jù)（如文本或圖像）轉換為可用于機器學習的數(shù)字特征

　　特征預處理

　　通過一些轉換函數(shù)將特征數(shù)據(jù)轉換成更加適合算法模型的特征數(shù)據(jù)過程

　　特征降維

　　指在某些限定條件下，降低隨機變量（特征）個數(shù)，得到一組“不相關”主變量的過程

　　2.4 機器學習

　　選擇合適的算法對模型進行訓練

　　2.5 模型評估

　　對訓練好的模型進行評估

　　3 機器學習算法分類

　　根據(jù)數(shù)據(jù)集組成不同，可以把機器學習算法分為：

　　監(jiān)督學習

　　無監(jiān)督學習

　　半監(jiān)督學習

　　強化學習

　　3.1 監(jiān)督學習

　　定義：

　　輸入數(shù)據(jù)是由輸入特征值和目標值所組成。函數(shù)的輸出可以是一個連續(xù)的值（稱為回歸），或是輸出是有限個離散值（稱作分類）。

　　3.1.1 回歸問題

　　例如：預測房價，根據(jù)樣本集擬合出一條連續(xù)曲線。

　　3.1.2 分類問題

　　例如：根據(jù)腫瘤特征判斷良性還是惡性，得到的是結果是“良性”或者“惡性”，是離散的。

　　3.2 無監(jiān)督學習

　　定義：

　　輸入數(shù)據(jù)是由輸入特征值組成，沒有目標值

　　輸入數(shù)據(jù)沒有被標記，也沒有確定的結果。樣本數(shù)據(jù)類別未知；

　　需要根據(jù)樣本間的相似性對樣本集進行類別劃分。

　　舉例：

　　有監(jiān)督，無監(jiān)督算法對比：

　　3.3 半監(jiān)督學習

　　定義：訓練集同時包含有標記樣本數(shù)據(jù)和未標記樣本數(shù)據(jù)。

　　舉例：

　　監(jiān)督學習訓練方式：

　　半監(jiān)督學習訓練方式

　　3.4 強化學習

　　定義：實質是make decisions 問題，即自動進行決策，并且可以做連續(xù)決策。

　　舉例：小孩想要走路，但在這之前，他需要先站起來，站起來之后還要保持平衡，接下來還要先邁出一條腿，是左腿還是右腿，邁出一步后還要邁出下一步。

　　小孩就是 agent，他試圖通過采取行動（即行走）來操縱環(huán)境（行走的表面），并且從一個狀態(tài)轉變到另一個狀態(tài)（即他走的每一步），當他

　　完成任務的子任務（即走了幾步）時，孩子得到獎勵（給巧克力吃），并且當他不能走路時，就不會給巧克力。

　　主要包含五個元素：agent, action, reward, environment, observation；

　　強化學習的目標就是獲得最多的累計獎勵。

　　監(jiān)督學習和強化學習的對比：

　　拓展概念：什么是獨立同分布：

　　獨立同分布概念

　　拓展閱讀：Alphago進化史 漫畫告訴你Zero為什么這么牛：

　　Alphago進化史 漫畫告訴你Zero為什么這么牛

　　4 模型評估

　　4.1分類模型評估　　

　　準確率

　　預測正確的數(shù)占樣本總數(shù)的比例。

　　其他評價指標：精確率、召回率、F1-score、AUC指標等

　　4.2回歸模型評估

　　均方根誤差（Root Mean Squared Error，RMSE）

　　RMSE是一個衡量回歸模型誤差率的常用公式。不過，它僅能比較誤差是相同單位的模型。

　　舉例：

　　假設上面的房價預測，只有五個樣本，對應的

　　真實值為：100,120,125,230,400

　　預測值為：105,119,120,230,410

　　那么使用均方根誤差求解得

　　其他評價指標：相對平方誤差（Relative Squared Error，RSE）、平均絕對誤差（Mean Absolute Error，MAE）、相對絕對誤差 （Relative Absolute Error，RAE）

　　4.3擬合

　　模型評估用于評價訓練好的的模型的表現(xiàn)效果，其表現(xiàn)效果大致可以分為兩類：過擬合、欠擬合。

　　在訓練過程中，你可能會遇到如下問題：

　　訓練數(shù)據(jù)訓練的很好啊，誤差也不大，為什么在測試集上面有問題呢？

　　當算法在某個數(shù)據(jù)集當中出現(xiàn)這種情況，可能就出現(xiàn)了擬合問題。

　　4.3.1 欠擬合

　　因為機器學習到的天鵝特征太少了，導致區(qū)分標準太粗糙，不能準確識別出天鵝。

　　欠擬合（under-fitting）：模型學習的太過粗糙，連訓練集中的樣本數(shù)據(jù)特征關系都沒有學出來。

　　4.3.2 過擬合

　　機器已經(jīng)基本能區(qū)別天鵝和其他動物了。然后，很不巧已有的天鵝圖片全是白天鵝的，于是機器經(jīng)過學習后，會認為天鵝的羽毛都是白的，以后看到羽毛是黑的天鵝就會認為那不是天鵝。

　　過擬合（over-fitting）：所建的機器學習模型或者是深度學習模型在訓練樣本中表現(xiàn)得過于優(yōu)越，導致在測試數(shù)據(jù)集中表現(xiàn)不佳。

　　上問題解答：

　　訓練數(shù)據(jù)訓練的很好啊，誤差也不大，為什么在測試集上面有問題呢？

　　5Azure機器學習模型搭建實驗

　　Azure平臺簡介

　　Azure Machine Learning（簡稱“AML”）是微軟在其公有云Azure上推出的基于Web使用的一項機器學習服務，機器學習屬人工智能的一個分支，它技術借助算法讓電腦對大量流動數(shù)據(jù)集進行識別。這種方式能夠通過歷史數(shù)據(jù)來預測未來事件和行為，其實現(xiàn)方式明顯優(yōu)于傳統(tǒng)的商業(yè)智能形式。

　　微軟的目標是簡化使用機器學習的過程，以便于開發(fā)人員、業(yè)務分析師和數(shù)據(jù)科學家進行廣泛、便捷地應用。

　　這款服務的目的在于“將機器學習動力與云計算的簡單性相結合”。

　　AML目前在微軟的Global Azure云服務平臺提供服務，用戶可以通過站點：

　　https://studio.azureml.net/申請免費試用。

　　Azure機器學習實驗

　　實驗目的：了解機器學習從數(shù)據(jù)到建模并最終評估預測的整個流程。

更多信息可以來這里獲取==>>電子技術應用-AET<<