《Python机器学习》 课件 第4章 机器学习基础.pptx

;第4章 机器学习基础 ;4.1 机器学习模型 ;;4.1.1 线性模型与非线性模型 ;4.1.2 浅层模型与深度模型 ;;4.1.3 单一模型与集成模型 ;4.1.4 监督学习、非监督学习、强化学习 ;监督学习——分类;图例化;判断未知水果;;;;;4.2 机器学习算法的选择 ;4.2.1 模型的确定 ;;;;;;;;;;欠拟合 vs 过拟合 ;为避免过拟合，通常采用交叉验证法，使模型对样本进行充分、科学的学习。 交叉验证（Cross Validation）也称作循环估计，是一个统计学的实用方法。即将训练集分成若干个互补的子集，然后模型使用这些子集的不同组合训练，之后用剩下的子集进行验证。;4.2.2 性能评估 ;;;;计算动物分类模型的精确率、召回率和f1指数;;4.3 Python机器学习利器—SKlearn ;4.3.1 SKlearn的一般步骤 ;使用经典的波士顿房价数据集，代码如下： from sklearn.datasets import load_boston boston = load_boston() 或者 from sklearn import datasets boston = datasets.load_boston() 另一个比较著名的是鸢尾花数据集，调用如下： from sklearn.datasets import load_iris data = load_iris() 或者 from sklearn import datasets boston = datasets. load_iris();;;;4.3.2 SKlearn模型选择与算法评价 ;;;;4.4 本章习题 ;