机器学习基础入门

机器学习是人工智能的一个重要分支，本文将介绍机器学习的基础概念。

什么是机器学习？

机器学习是一种让计算机系统通过数据学习和改进性能的技术，而不是通过显式编程。

机器学习的三大类别

1. 监督学习（Supervised Learning）

使用带标签的数据进行训练，预测目标变量。

常见任务：

• 分类（Classification）- 预测离散的类别
• 回归（Regression）- 预测连续的数值

from sklearn.datasets import iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 加载数据
X, y = iris.data, iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建和训练模型
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

# 评估模型
accuracy = model.score(X_test, y_test)
print(f"准确率: {accuracy:.2f}")

2. 无监督学习（Unsupervised Learning）

使用无标签的数据，发现数据中的隐藏模式。

常见任务：

• 聚类（Clustering）- 将相似的样本分组
• 降维（Dimensionality Reduction）- 减少特征数量

from sklearn.cluster import KMeans
import numpy as np

# 生成示例数据
X = np.random.rand(100, 2)

# 聚类
kmeans = KMeans(n_clusters=3)
labels = kmeans.fit_predict(X)

print(f"聚类标签: {labels}")

3. 强化学习（Reinforcement Learning）

通过与环境交互，学习做出最优决策。

常见应用：

• 游戏 AI（AlphaGo、Dota 2）
• 机器人控制
• 自动驾驶

机器学习的工作流程

1. 问题定义
   ↓
2. 数据收集
   ↓
3. 数据预处理
   ↓
4. 特征工程
   ↓
5. 模型选择
   ↓
6. 模型训练
   ↓
7. 模型评估
   ↓
8. 超参数调优
   ↓
9. 模型部署

常用的机器学习算法

分类算法

• 逻辑回归（Logistic Regression）
• 决策树（Decision Tree）
• 随机森林（Random Forest）
• 支持向量机（SVM）
• 朴素贝叶斯（Naive Bayes）

回归算法

• 线性回归（Linear Regression）
• 岭回归（Ridge Regression）
• Lasso 回归
• 弹性网络（Elastic Net）

聚类算法

• K-means
• 层级聚类（Hierarchical Clustering）
• DBSCAN

评估指标

分类任务

• 准确率（Accuracy）
• 精准率（Precision）
• 召回率（Recall）
• F1 分数
• ROC-AUC

回归任务

• 均方误差（MSE）
• 均方根误差（RMSE）
• 平均绝对误差（MAE）
• R² 分数

from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score

# 计算指标
accuracy = accuracy_score(y_true, y_pred)
precision = precision_score(y_true, y_pred)
recall = recall_score(y_true, y_pred)
f1 = f1_score(y_true, y_pred)

print(f"准确率: {accuracy:.3f}")
print(f"精准率: {precision:.3f}")
print(f"召回率: {recall:.3f}")
print(f"F1 分数: {f1:.3f}")

常见陷阱和最佳实践

WARNING

过拟合：模型在训练集上表现很好，但在测试集上表现差。

解决方案：

• 使用正则化技术（L1、L2）
• 增加训练数据
• 简化模型复杂度

TIP

数据预处理的重要性

• 处理缺失值
• 标准化/归一化特征
• 处理不平衡的数据集
• 移除异常值

学习资源

• 官方文档：Scikit-learn
• 在线课程：Andrew Ng 机器学习课程
• 实战平台：Kaggle

---

更新日期: 2025-11-11 难度等级: ⭐ 初级