本文轉(zhuǎn)載自公眾號(hào)“讀芯術(shù)”(ID：AI_Discovery)

從駕駛汽車到識(shí)別語音+翻譯，機(jī)器學(xué)習(xí)通過軟件預(yù)測變幻莫測的現(xiàn)實(shí)世界，正在人工智能領(lǐng)域掀起一場風(fēng)暴。

[[352721]]

所以，什么是機(jī)器學(xué)習(xí)?

機(jī)器學(xué)習(xí)是教計(jì)算機(jī)系統(tǒng)使用反饋的舊數(shù)據(jù)進(jìn)行預(yù)測的過程，基本上是訓(xùn)練計(jì)算機(jī)根據(jù)過去的數(shù)據(jù)預(yù)測未來的數(shù)據(jù)。這些預(yù)測可以很簡單，例如鑒定照片中的動(dòng)物是貓還是狗，難度也可以遞進(jìn)至對語音準(zhǔn)確識(shí)別來生成網(wǎng)站字幕或運(yùn)行視頻或音樂之類的事情。

機(jī)器學(xué)習(xí)種類

機(jī)器學(xué)習(xí)大致分為兩大類：監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。

監(jiān)督學(xué)習(xí)是用示例教學(xué)機(jī)器的方法。這些機(jī)器接受了大量數(shù)據(jù)的訓(xùn)練，從而學(xué)會(huì)識(shí)別圖案，并可以根據(jù)訓(xùn)練數(shù)據(jù)來識(shí)別和區(qū)分?jǐn)?shù)據(jù)。

而無監(jiān)督學(xué)習(xí)是使用算法來識(shí)別數(shù)據(jù)集的模式，其中的數(shù)據(jù)點(diǎn)既未分類也未標(biāo)記。算法從數(shù)據(jù)集中提取有用的信息或特征來分析其底層結(jié)構(gòu)，并依此對數(shù)據(jù)進(jìn)行分類。

來看看怎樣使用監(jiān)督學(xué)習(xí)來構(gòu)建機(jī)器學(xué)習(xí)模型。

第一步：熟悉數(shù)據(jù)

任何機(jī)器學(xué)習(xí)項(xiàng)目的第一步都是熟悉數(shù)據(jù)。對此可以使用Pandas庫。Pandas是數(shù)據(jù)科學(xué)家探索和處理數(shù)據(jù)的主要工具。

Pandas庫中最重要的是DataFrame。DataFrame相當(dāng)于保存數(shù)據(jù)的表，類似SQL數(shù)據(jù)庫中的表。Pandas有處理DataFrame中數(shù)據(jù)的強(qiáng)大方法。拿加利福尼亞房價(jià)數(shù)據(jù)舉例。(文件路徑：../input/california-housing-prices/housing.csv)使用以下命令加載和瀏覽數(shù)據(jù)：

第二步：選擇建模數(shù)據(jù)

研究DataFrame的數(shù)據(jù)后會(huì)發(fā)現(xiàn)它有10列，其中有9列是數(shù)字?jǐn)?shù)據(jù)，“Ocean proximity”一列有字符串類型數(shù)據(jù)。我們只用數(shù)字?jǐn)?shù)據(jù)就可以構(gòu)建任何模型，因此可以直接刪掉“Ocean proximity”列。

然后刪掉空值的列，如下：

第三步：選擇預(yù)測目標(biāo)(Y)和特征(X)

下一步是選擇預(yù)測目標(biāo)(Y)，也就是“median_house_value”列。所以分配Y為“ median_house_value”。其余特征為X。從數(shù)據(jù)集中移除“ median_house_value”列，然后將余下的分配為X，如下所示：

第四步：構(gòu)建模型

使用scikit-learn庫創(chuàng)建模型。該庫在代碼中以sklearn形式編寫。當(dāng)用存儲(chǔ)在DataFrames中的數(shù)據(jù)類型進(jìn)行建模時(shí)，最受歡迎的庫就是Scikit-learn。建立和使用模型的步驟是：

• 定義：模型類型是什么?是線性回歸還是其他類型?
• 擬合：從現(xiàn)有數(shù)據(jù)中獲取模式(建模的核心)。
• 預(yù)測：預(yù)測目標(biāo)
• 評(píng)估：確定模型預(yù)測的準(zhǔn)確度。

現(xiàn)在，使用scikit-learn(sklearn)來定義線性回歸模型，并將其與特征和目標(biāo)變量進(jìn)行擬合，并獲得“ median_house_value”的預(yù)測值。導(dǎo)入以下庫使用scikit-learn(sklearn)。

為線性回歸模型創(chuàng)建一個(gè)變量。并且還使用train_test_split函數(shù)將數(shù)據(jù)分為訓(xùn)練和測試數(shù)據(jù)。在這里，我使用了25%的數(shù)據(jù)進(jìn)行測試，而剩余的75%則用于訓(xùn)練模型。

第五步：擬合模型

用訓(xùn)練數(shù)據(jù)擬合線性回歸模型。

完成后，預(yù)測功能通過使用X的測試值來預(yù)測房價(jià)。然后使用得分功能通過模型獲得預(yù)測值的準(zhǔn)確度，如下所示：

可以看到，模型預(yù)測正確率在66%左右。

第六步：畫圖

現(xiàn)在用X測試值和預(yù)測值(輸出)畫圖，如下：

一個(gè)擬合的模型完成啦，我們可以用它預(yù)測。實(shí)際使用時(shí)，我們可以對即將上市的新房子做預(yù)測。

本例是關(guān)于如何在數(shù)據(jù)集上擬合線性回歸模型并用來預(yù)測房價(jià)。我們還可以將相同的數(shù)據(jù)擬合到?jīng)Q策樹上或用來支持向量機(jī)，并比較哪種模型預(yù)測得更好。

希望本文能幫到那些正在嘗試建立第一個(gè)機(jī)器學(xué)習(xí)線性回歸模型的人。