分类
- 有监督学习（supervised learning）：对数据的若干特征与若干标签（类型）之间的关联性进行建模的过程。
- 分类（classification）：标签是离散值。
- 回归（regression）：标签是连续值。
- 无监督学习（unsupervised learning）：对不带任何标签的数据特征进行建模，“让数据自己介绍自己”。
- 聚类（clustering）：将数据分成不同的组别。
- 降维（dimensionality reduction）：更简洁的方式表现数据。
有监督学习示例：鸢尾花数据分类
如何为鸢尾花数据集建立模型，先用一部分数据进行训练，再用模型预测出其他样本的标签？
使用高斯朴素贝叶斯（Gaussian naive Bayes）方法完成这个任务（假设每个特征中属于每一类的观测值都符合高斯分布）。
现将数据分割成训练集（training set）和测试集（testing set），整理数据、预测，最后用accuracy_score工具验证模型预测结果的准确率（97%）。
from sklearn.model_selection import train_test_split
Xtrain, Xtest, ytrain, ytest = train_test_split(X_iris, y_iris, random_state=1)
from sklearn.naive_bayes import GaussianNB
model = GaussianNB()
model.fit(Xtrain, ytrain)
y_model = model.predict(Xtest)
from sklearn.metrics import accuracy_score
accuracy_score(ytest, y_model)
无监督学习示例：鸢尾花数据降维
找到一个可以保留数据本质特征的低维矩阵来表示高维数据。
使用主成分分析（principal component analysis，PCA）方法提取两个维度
PCA 降维
from sklearn.decomposition import PCA
model = PCA(n_components=2)
model.fit(X_iris)
X_2D = model.transform(X_iris)
iris['PCA1'] = X_2D[:,0]
iris['PCA2'] = X_2D[:,1]
sns.lmplot(x="PCA1", y="PCA2", hue='species', data=iris, fit_reg=False);
17a64b98a3714ae480fb943c79bb8b18.png
无监督学习示例：鸢尾花数据聚类
聚类算法是要对诶呀任何标签的数据集进行分组。
使用高斯混合模型（Gaussian mixture model，GMM），试图将数据构造成若干符合高斯分布的概率密度函数簇。
注意拟合数据的时候不需要y变量。
from sklearn.mixture import GaussianMixture
model = GaussianMixture(n_components=3, covariance_type='full')
model.fit(X_iris)
y_gmm = model.predict(X_iris)
iris['cluster'] = y_gmm
sns.lmplot(x="PCA1", y="PCA2", col = 'cluster', hue='species', data=iris, fit_reg=False)
e94f7721589a4b48a4cdafff51c5a6b0.png
参考：
[1]美 万托布拉斯 (VanderPlas, Jake).Python数据科学手册[M].人民邮电出版社,2018.
