菜单
×
   ❮     
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP HOW TO W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

Python 教程

Python 主页 Python 简介 Python 入门 Python 语法 Python 注释 Python 变量 Python 数据类型 Python 数字 Python 类型转换 Python 字符串 Python 布尔值 Python 运算符 Python 列表 Python 元组 Python 集合 Python 字典 Python If...Else Python While 循环 Python For 循环 Python 函数 Python Lambda Python 数组 Python 类/对象 Python 继承 Python 迭代器 Python 多态 Python 作用域 Python 模块 Python 日期 Python 数学 Python JSON Python 正则表达式 Python PIP Python Try...Except Python 用户输入 Python 字符串格式化

文件处理

Python 文件处理 Python 读取文件 Python 写入/创建文件 Python 删除文件

Python 模块

NumPy 教程 Pandas 教程 SciPy 教程 Django 教程

Python Matplotlib

Matplotlib 简介 Matplotlib 入门 Matplotlib Pyplot Matplotlib 绘图 Matplotlib 标记 Matplotlib 线条 Matplotlib 标签 Matplotlib 网格 Matplotlib 子图 Matplotlib 散点图 Matplotlib 条形图 Matplotlib 直方图 Matplotlib 饼图

机器学习

入门 均值、中位数、众数 标准差 百分位数 数据分布 正态数据分布 散点图 线性回归 多项式回归 多元回归 缩放 训练/测试 决策树 混淆矩阵 层次聚类 逻辑回归 网格搜索 分类数据 K-means Bootstrap Aggregation 交叉验证 AUC - ROC 曲线 K-近邻

Python MySQL

MySQL 入门 MySQL 创建数据库 MySQL 创建表 MySQL 插入 MySQL 选择 MySQL Where MySQL Order By MySQL 删除 MySQL 删除表 MySQL 更新 MySQL Limit MySQL Join

Python MongoDB

MongoDB 入门 MongoDB 创建数据库 MongoDB 集合 MongoDB 插入 MongoDB Find MongoDB Query MongoDB Sort MongoDB 删除 MongoDB 删除集合 MongoDB 更新 MongoDB Limit

Python 参考

Python 概述 Python 内置函数 Python 字符串方法 Python 列表方法 Python 字典方法 Python 元组方法 Python 集合方法 Python 文件方法 Python 关键字 Python 异常 Python 词汇表

模块参考

Random 模块 Requests 模块 Statistics 模块 Math 模块 cMath 模块

Python 如何操作

删除列表重复项 反转字符串 两个数字相加

Python 示例

Python 示例 Python 编译器 Python 练习 Python 测验 Python 服务器 Python 面试问答 Python 训练营 Python 证书

机器学习

机器学习是通过研究数据和统计数据来让计算机学习。

机器学习是人工智能(AI)方向上的一步。

机器学习是一种分析数据并学习预测结果的程序。

从哪里开始?

在本教程中,我们将回顾数学和统计学,以及如何根据数据集计算重要数字。

我们还将学习如何使用各种 Python 模块来获取所需答案。

我们将学习如何创建能够根据所学内容预测结果的函数。


数据集

在计算机看来,数据集是任何数据的集合。它可以是数组,也可以是完整的数据库。

数组示例

[99,86,87,88,111,86,103,87,94,78,77,85,86]

数据库示例

汽车名称颜色Age速度AutoPass
宝马red599Y
沃尔沃black786Y
VWgray887N
VWwhite788Y
福特white2111Y
VWwhite1786Y
特斯拉red2103Y
宝马black987Y
沃尔沃gray494N
福特white1178N
丰田gray1277N
VWwhite985N
丰田blue686Y

通过查看数组,我们可以猜测平均值可能在 80 或 90 左右,我们也能确定最高值和最低值,但我们还能做什么呢?

通过查看数据库,我们可以看到最受欢迎的颜色是白色,最老的汽车是 17 年,但如果我们能仅凭查看其他值来预测一辆汽车是否拥有 AutoPass 呢?

这就是机器学习的作用!分析数据并预测结果!

在机器学习中,处理非常大的数据集是很常见的。在本教程中,我们将尽力让理解机器学习的各个概念尽可能容易,并将使用易于理解的小型数据集。



数据类型

为了分析数据,了解我们正在处理的数据类型非常重要。

我们可以将数据类型分为三大类

  • 数值型
  • 分类型
  • 有序型

数值型数据是数字,可以分为两个数值类别

  • 离散数据
    - 有限的整数。示例:经过的汽车数量。
  • 连续数据
    - 可测量的数据,可以是任何数字。示例:商品的價格或商品的大小

分类型数据是无法相互比较的值。示例:颜色值或任何是/否值。

有序型数据类似于分类型数据,但可以相互比较。示例:学校成绩,A 比 B 好,依此类推。

了解数据源的数据类型,您将能够知道在分析它们时使用哪种技术。

您将在接下来的章节中了解更多关于统计和数据分析的内容。


×

联系销售

如果您想将 W3Schools 服务用于教育机构、团队或企业,请发送电子邮件给我们
sales@w3schools.com

报告错误

如果您想报告错误,或想提出建议,请发送电子邮件给我们
help@w3schools.com

W3Schools 经过优化,旨在方便学习和培训。示例可能经过简化,以提高阅读和学习体验。教程、参考资料和示例会不断审查,以避免错误,但我们无法保证所有内容的完全正确性。使用 W3Schools 即表示您已阅读并接受我们的使用条款Cookie 和隐私政策

版权所有 1999-2024 Refsnes Data。保留所有权利。W3Schools 由 W3.CSS 提供支持