09｜关于机器学习，你需要了解的基本概念（二）

独行

你好，我是独行。
上一节课我们了解了机器学习的基本概念，学习了线性回归和逻辑回归，相信你对机器学习有了初步理解，这节课我们继续讲解机器学习的经典算法，先从决策树开始。
经典算法决策树决策树是一种常用的机器学习算法，用于分类和回归任务。通过从数据中学习决策规则来预测目标变量的值。想象你在玩一个“是或否”的猜谜游戏，每次你只能问一个问题，对方只能回答是或否，你的目标就是用最少的问题猜出对方心中的答案。在实际应用中，决策树有很多场景，比如客户分类、信用评分、医疗诊断等等，下面我举一个简单的例子。
我们要根据天气情况、温度和风速来决定进行什么活动，比如宅在家还是出去玩，我们准备一些简单的数据集。
天气状况：晴天（0）、阴天（1）、雨天（2）
温度：低（0）、中（1）、高（2）
风速：无风（0）、微风（1）、强风（2）
活动：
去野餐（0）
去博物馆（1）
在家看书（2）
我们看一下使用 sklearn 库提供的决策树算法和模型的示例代码。
from sklearn.tree import DecisionTreeClassifier, plot_tree
import matplotlib.pyplot as plt
import numpy as np
# 创建数据集
X = np.array([
    [0, 2, 0],  # 晴天，高温，无风
    [1, 1, 1],  # 阴天，中温，微风
    [2, 0, 2],  # 雨天，低温，强风
    # ... 添加更多样本以增加模型的准确性
])
y = np.array([0, 1, 2])  # 分别对应去野餐、去博物馆、在家看书
# 初始化决策树模型，设置最大深度为5
clf = DecisionTreeClassifier(max_depth=5, random_state=42)
# 训练模型
clf.fit(X, y)
# 可视化决策树
plt.figure(figsize=(20, 10))
plot_tree(clf, filled=True, feature_names=["天气状况", "温度", "风速"], class_names=["去野餐", "去博物馆", "在家看书"], rounded=True, fontsize=12)
plt.show()

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
中文繁体
法语
德语
日语
韩语
俄语
西班牙语
阿拉伯语
解释
总结

1. 决策树、随机森林、支持向量机和神经网络是常见的机器学习算法，分别用于分类和回归任务，具有不同的特点和应用场景。 2. 神经网络是非线性的，能够理解复杂的逻辑关系，不同层次可以学习不同的特征，适合处理复杂的数据结构。 3. 神经网络的工作原理类比为烹饪过程，包括输入数据（食材）、激活函数（调料）、前向传播（烹饪过程）、训练过程（味道调整）、反向传播（品尝和反馈）、梯度下降（调整火候）和损失函数（评价口感）。 4. 神经网络之所以强大是因为有激活函数使其呈现非线性，没有激活函数会导致神经网络出现问题。 5. 对于初学者，理解机器学习算法的基本概念至关重要，建议深入研究sklearn库，通过简单的代码示例理解各个算法的实际应用案例。

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 大模型实战高手课》，新⼈⾸单¥59

立即购买

登录后留言

精选留言

由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。

收起评论