您可以先看下列影片,有一些概念
機器學習架構
機器學習（Machine Learning）是透過演算法，使用歷史資料進行訓練，訓練完成後會產生模型。未來當有新的資料，我們可以使用訓練產生的模型進行預測。
機器學習的訓練的資料是由 features、label組成。
- features：資料的特徵，例如：濕度、風向、風速、季節、氣壓。
- label： 資料的標籤，也就是我們希望預測的目標，例如：降雨（0:不會下雨、1:會下雨）、天候( 1:晴天、2:雨天、3:陰天、4:下雪）、氣溫。
如下圖，機器學習可分為2 階段：
- 訓練階段（Training）：
訓練資料是過去累積的歷史資料，可能是文字檔、資料庫、或其他來源，經過Feature
Extraction（特徵萃取），產生Feature（資料特徵）與Label（預測目標），然後經過機器學習演算法訓練後產生模型。
- 預測階段（Predict）：
新輸入資料(可能文字檔、資料庫、或其他來源)，經過Feature
Extraction（特徵萃取）產生Feature（資料特徵），使用訓練完成的模型進行預測，最後產生預測結果。
機器學習分類
對於監督式學習（Supervised
Learning），從現有資料我們希望預測的答案，有下列分類：
- 二元分類
我們已知：濕度、風向、風速、季節、氣壓等資料特徵，希望預測當天是否會下雨（0.不會下雨、1.會下雨）。因為希望預測的目標label，只有2種選項，這就好像非題。
- 多元分類
我們已知：濕度、風向、風速、季節、氣壓.資料特徵，希望預測當天天氣（1.晴天、2.雨天、3.陰天、4.下雪）。因為希望預測的目標label，有多個選項，就好像選擇題。
- 回歸分析
我們已知：濕度、風向、風速、季節、氣壓等資料特徵，希望預測當天氣溫。因為希望預測的目標label是連續的值，就好像是計算題。
但是對於非監督式學習（Unsupervised
Learning），從現有資料我們不知道要預測的答案，所以沒有label（預測目標）。cluster集群分析的目的是將資料分成幾個相異性最大的群組，而群組內的相似程度最高。
我們可以整理如下列表格:
分類
|
演算法
|
Features
（特徵）
|
Label
（預測目標）
|
監督式學習
|
Binary Classification
二元分類
|
濕度、風向、風速、季節、氣壓...
|
只有0與1選項（是非題）
0:不會下雨、1:會下雨
|
監督式學習
|
Multi-Class Classification
多元分類
|
濕度、風向、風速、季節、氣壓...
|
有多個選項（選擇題）
1:晴天、2:雨天、3:陰天、4:下雪
|
監督式學習
|
Regression
回歸分析
|
濕度、風向、風速、季節、氣壓...
|
值是數值（計算題）
溫度可能是 -50～50度的範圍
|
非監督式學習
|
Clustering
群集
|
濕度、風向、風速、季節、氣壓...
|
無label
Cluster集群分析；目的是將資料分成幾個相異性最大的群組，而群組內的相似程度最高
|
機器學習分類，可以整理如下圖：
以上內容節錄自這本書，很適合Python程式設計師學習Spark機器學習與大數據架構，點選下列連結查看本書詳細介紹:
Python+Spark 2.0+Hadoop機器學習與大數據分析實戰
http://pythonsparkhadoop.blogspot.tw/2016/10/pythonspark-20hadoop.html
博客來網路書店： http://www.books.com.tw/products/0010730134?loc=P_007_090
天瓏網路書店： https://www.tenlong.com.tw/items/9864341537?item_id=1023658
PChome個人賣場免運(作者簽名)：http://seller.pcstore.com.tw/S149783177/C1115178907.htm
兩書合購 *75折* 又免運：http://seller.pcstore.com.tw/S149783177/C1115202736.htm
0 意見:
張貼留言