ML - Just-do-it (hands on) Basics, of Machine Learning
See also: ML books. This article collects some useful materials for non-theory learners like engineers. 快速开始 QUICK START # ref 对于一般意义的建模，如上图，从给定的蓝色数据点采样数据集，通过一些计算步骤（例如最小二乘算法的各个步骤），可以拟合出一个从 自变量 x 到 因变量 y 的映射关系/函数，例如 $y=0.5 x^2 + 15000$。在机器学习中，这个具体的能够直接从输入的数据 (自变量) x=(x1, x2 … xn) 计算出预测值 y 的映射关系/函数，称为模型，而从给定的采样数据集，计算出这个模型的步骤，称为算法。（输入、输出都可能是多个变量，例如 y=(y1, y2…yn) ） 大部分机器学习算法接受的数据是表格式数据集（Tabular Dataset），例如房价数据表格： ref 模型可以用一个事物（此处为房子）的多个容易直接获得的 " 特征 (features)"，例如: 面积、卧室数量、浴室数量、地段分、房龄 等等，来预测不容易直接获得的一个或多个属性，例如: 房价，被预测的属性，称为 " 标签 label 或 目标 target “。特征可以理解为自变量 x，标签/目标可以理解为因变量 y。 如果标签是连续数值（例如房屋价格），通过此数据集计算出模型的算法即为回归算法，如果是类别（例如鸢尾花的种类），算法即为分类算法。(ps: 标签是带有顺序的分类的有序分类算法、不用标签无监督学习算法等等，暂时不用在意。) 经典机器学习（Classic Machine Learning） # Hello-world: 泰坦尼克幸存预测（分类） 简单算法，搜索：泰坦尼克 机器学习 sklearn sklearn 即 sci-kit learn 包，内有有很多常用算法，例如（选一个复现即可） Github code , Gitee bak AaronJny/simple_titanic: scikit-learn在kaggle Titanic数据集上的简单实践。 还可以用 graphviz 画图1 画图2 进阶算法，搜索：xgb 房价预测（回归） XGB，即 xgboost，通用（分类回归通吃、允许缺失值）、高性能，因此经久不衰。例如： Regression by XGBoost 基于XGBoost的回归预测实践 , bak XGBoost算法回归任务：房价预测 - Heywhale. ...