【文件属性】：
文件名称：数据挖掘常用模型-人脸识别图像预处理技术
文件大小：4.91MB
文件格式：PDF
更新时间：2021-06-09 17:37:08
数据挖掘算法 Python
第三章 机器学习概述
3.1 机器学习概述
机器学习方法主要分为有监督学习（supervised learning）和无监督学习（unsupervised learning）,半
监督学习和强化学习
监督学习就是分类，通过已有的训练样本去训练得到一个最优模型，然后利用这个最优模型将
所有输入映射为相应的输出，对于输出进行判断实现分类，这就对未知数据进行了分类。监督
学习中的典型例子是 KNN 和 SVM。
无监督学习与监督学习的不同之处，主要是它没有训练样本，而是直接对数据进行建模。典型
案例就是聚类了，其目的是把相似的东西聚在一起，而不关心这一类是什么。聚类算法通常只
需要知道如何计算相似度就可以了，它可能不具有实际意义。
如果在分类过程中有训练样本，则可以考虑采用监督学习的方法，否则不能使用监督学习。
3.2 数据挖掘常用 Python 库
Python 科学计算包： Numpy
数据处理工具包：pandas
绘图和可视化：matplotlib
统计包：statsmodels
Python 算法库和工具包：SciPy
机器学习模块 scikit-learn： 基于 Numpy 和 SciPy，包括分类、回归、聚类系列算法，主要算法
有 SVM、逻辑回归、朴素贝叶斯、Kmeans、DBSCAN 等，目前由 INRI 资助，偶尔 Google 也
资助一点
3.3 数据挖掘常用模型