机器学习基础

什么是机器学习

机器学习是一种让计算机从数据中学习的技术，而不是通过明确的编程指令。

核心概念

术语	英文	说明
特征	Feature	输入数据的属性
标签	Label	预测目标
模型	Model	学习得到的函数
训练	Training	用数据拟合模型
推理	Inference	用模型做预测

常见算法

线性回归

用于预测连续值：

from sklearn.linear_model import LinearRegression
import numpy as np

# 训练数据
X = np.array([[1], [2], [3], [4]])
y = np.array([2, 4, 6, 8])

# 训练模型
model = LinearRegression()
model.fit(X, y)

# 预测
print(model.predict([[5]]))  # 输出：[10.]

决策树

用于分类和回归任务。

神经网络

深度学习的基础构建块。

评估指标

• 准确率 (Accuracy)：正确预测的比例
• 精确率 (Precision)：预测为正的样本中有多少真正为正
• 召回率 (Recall)：实际为正的样本中有多少被正确预测
• F1 分数：精确率和召回率的调和平均

注意：选择合适的评估指标对于模型优化至关重要。