Python 机器学习入门：数据集、数据类型和统计学

03-13 阅读 0评论

机器学习是通过研究数据和统计信息使计算机学习的过程。机器学习是迈向人工智能（AI）的一步。机器学习是一个分析数据并学会预测结果的程序。

$Python 机器学习入门：数据集、数据类型和统计学,Python 机器学习入门：数据集、数据类型和统计学,词库加载错误:未能找到文件“C:\Users\Administrator\Desktop\火车头9.8破解版\Configuration\Dict_Stopwords.txt”。,使用,我们,人工智能,第1张$

（图片来源网络，侵删）

数据集

在计算机的思维中，数据集是任何数据的集合。它可以是从数组到完整数据库的任何东西。

数组的示例：

[99,86,87,88,111,86,103,87,94,78,77,85,86]

数据库的示例：

Carname  Color  Age  Speed  AutoPass
BMW  red  5  99  Y
Volvo  black  7  86  Y
VW  gray  8  87  N
VW  white  7  88  Y
Ford  white  2  111  Y
VW  white  17  86  Y
Tesla  red  2  103  Y
BMW  black  9  87  Y
Volvo  gray  4  94  N
Ford  white  11  78  N
Toyota  gray  12  77  N
VW  white  9  85  N
Toyota  blue  6  86  Y

通过查看数组，我们可以猜测平均值可能在80到90之间，我们还能够确定最高值和最低值，但我们还能做什么？

通过查看数据库，我们可以看到最受欢迎的颜色是白色，而最老的车辆为17岁，但如果我们能够通过查看其他值来预测车辆是否具有AutoPass呢？

（图片来源网络，侵删）

这就是机器学习的用途！分析数据并预测结果！

在机器学习中，通常需要处理非常大的数据集。在本教程中，我们将尽量让您尽可能容易地理解机器学习的不同概念，并使用易于理解的小型数据集。

数据类型

要分析数据，重要的是要知道我们正在处理的数据类型。

我们可以将数据类型分为三个主要类别：

数值
分类
顺序
数值数据是数字，并且可以分为两个数值类别：
1. 离散数据 - 限制为整数的数字。示例：汽车经过的数量。
2. 连续数据 - 有无限值的数字。示例：物品的价格或大小。
分类数据是不能相互比较的值。示例：颜色值或任何是/否值。
$Python 机器学习入门：数据集、数据类型和统计学,Python 机器学习入门：数据集、数据类型和统计学,词库加载错误:未能找到文件“C:\Users\Administrator\Desktop\火车头9.8破解版\Configuration\Dict_Stopwords.txt”。,使用,我们,人工智能,第3张$
（图片来源网络，侵删）

顺序数据类似于分类数据，但可以相互比较。示例：学校成绩，其中A好于B等等。

通过了解数据源的数据类型，您将能够知道在分析数据时使用哪种技术。

机器学习 - 均值、中位数、众数

在观察一组数字时，我们可以学到什么？

在机器学习（以及数学）中，通常有三个值引起我们的兴趣：
- 均值 - 平均值
- 中位数 - 中间值
- 众数 - 出现最频繁的值
  示例：我们已经记录了13辆车的速度：
  
  speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
  
  这些速度的平均值、中间值和最常见的速度值是多少呢？
  
  均值
  
  均值是平均值。
  
  要计算均值，找到所有值的总和，并将总和除以值的数量：
  
  (99+86+87+88+111+86+103+87+94+78+77+85+86) / 13 = 89.77
  
  NumPy模块有一个用于此目的的方法
  
  示例：使用NumPy的mean()方法找到平均速度：
```
import numpy
speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
x = numpy.mean(speed)
print(x)
```
  中位数
  
  中位数是排列所有值后位于中间的值：
  
  77, 78, 85, 86, 86, 86, 87, 87, 88, 94, 99, 103, 111
  
  在找到中位数之前，需要确保对数字进行排序。
  
  NumPy模块有一个用于此目的的方法：
  
  示例：使用NumPy的median()方法找到中间值：
```
import numpy
speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
x = numpy.median(speed)
print(x)
```
  如果中间有两个数字，将这些数字的总和除以2。
  
  77, 78, 85, 86, 86, 86, 87, 87, 94, 98, 99, 103
  
  (86 + 87) / 2 = 86.5
  
  示例：使用NumPy模块：
```
import numpy
speed = [99,86,87,88,86,103,87,94,78,77,85,86]
x = numpy.median(speed)
print(x)
```
  众数
  
  众数是出现最频繁的值：
  
  99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86 = 86
  
  SciPy模块有一个用于此目的的方法
  
  示例：使用SciPy的mode()方法找到出现最频繁的数字：
```
from scipy import stats
speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
x = stats.mode(speed)
print(x)
```
  最后
  
  为了方便其他设备和平台的小伙伴观看往期文章：
  
  微信公众号搜索：Let us Coding，关注后即可获取最新文章推送
  
  看完如果觉得有帮助，欢迎点赞、收藏、关注