第一节：机器学习和 scikit-learn 介绍
目录
0、介绍
1、监督学习介绍
监督学习的类型
2、非监督学习介绍
3、scikit-learn 介绍
0、介绍
机器学习（英语：Machine learning）如今越来越热门，而入门机器学习的门槛也变得越来越低。得益于优秀的机器学习框架和工具，初学者也可以很快上手一个机器学习项目，并使用机器学习算法来挖掘自己的数据。本次课程，我们首先介绍机器学习中几个基本的概念。
知识点
- 监督学习概念
- 非监督学习概念
- scikit-learn 工具
1、监督学习介绍
机器学习中，我们通常会接触到：监督学习、非监督学习、半监督学习，强化学习等不同的应用类型。其中，监督学习（英语：Supervised learning）是最为常见，且应用最为广泛的分支之一。
监督学习的目标是从已知训练数据中学习一个预测模型，使得这个模型对于其他输入数据产生一个预测输出。其中，监督学习的「监督」是相对与「非监督」的一种表达，二者的区别在于，监督学习的训练数据经过了人工进行标注，而非监督学习则没有这个过程。
如同上面的两个简单的数据集。左边的数据集明显没有经过标注。而右边数据集则进行了颜色标注，也就是人为给数据样本打上了橙色、绿色和蓝色的标签。
监督学习的类型
监督学习中，所面对的问题大致分为两类：分类和回归。
其中，分类问题可以简单概括为：已有了一些数据样本及明确的样本分类。现在从这些样本的特征中总结规律，再用于判断新输入样本到底属于哪一类别。例如下图展示了一个分类过程，使用监督学习算法对水果进行类别区分。
分类的例子在生活中处处可见。比如这里正在讲，监督学习可以分为分类和回归一样。而面对一个新问题，判断它是属于分类还是回归，就需要根据这个问题具备的特征来判断。
其中，回归问题与分类问题的最大区别（特征）在于，输出变量的类型不同。详细说来：
- 分类问题，输出为有限个离散变量，布尔值或者定类变量。
- 回归问题，输出为连续变量，一般为实数，也就是一个确切值。
举个例子，当我们预测一个人的性别时，就是一个典型的分类问题。而预测一个人的年龄时，则应看作是回归问题。
2、非监督学习介绍
什么是非监督学习？笼统来讲，它和监督学习是一个相对的概念。在监督学习的过程中，我们需要对训练数据打上标签，这是必不可少的一步。而非监督学习面对的数据是没有标签的。
举个例子，比如我们现在有一堆动物的照片。在监督学习中，我们需要提前对每张照片代表的动物进行标记。这一张是狗，那一张是猫，然后再进行训练。最后，模型对于新输入的照片，就能分清楚动物的类别。
当进行非监督学习时，照片并未进行标注。我们需要将所有的训练样本照片「喂」给算法即可。注意，这个时候和监督学习有一些不同，非监督学习只能识别出训练样本里包含了几种类别的动物，而并不能直接告诉你这只是猫，那一只是狗。但是，这里的类别数量一般都不会太大，你可以手动对类别进行标记，再将数据用于其他用途。
上面这个例子中，非监督学习识别出样本包含几种类别，就是我们通常所说的「聚类」。如下图所示，演示了一个非监督的聚类过程。
当然，上面所说的聚类只是非监督学习主要面对的问题，实际上非监督学习还包括主成分分析等更多的应用方面。机器学习中，当我们使用到的数据没有特定标签时，基本都可以被归为非监督学习问题。
3、scikit-learn 介绍
机器学习常用的方法有很多，例如：线性回归、支持向量机、k 近邻、决策树、朴素贝叶斯、逻辑回归等。其中的一些方法都有着比较复杂的数学过程，如果每一次都需要自己通过代码实现这些算法，那么机器学的门槛就变得很高了。
scikit-learn 是一个十分流行的开源机器学习工具，它将众多的机器学习算法封装起来，往往只需要几行代码，通过简单的方法类调用，就可以实现原本复杂的机器学习模型。
除此之外，scikit-learn 还提供了围绕机器学习核心算法的一套工具，包括数据预处理，模型评估，超参数优化等。这对于使用 Python 完成机器学习建模非常重要且非常实用。
所以，本次课程我们将从 scikit-learn 入手来了解并掌握机器学习建模的流程和方法。