Python 机器学习入门：数据集、数据类型和统计学

你温暖了丶皒旳世界

机器学习是通过研究数据和统计信息使计算机学习的过程。机器学习是迈向人工智能（AI）的一步。机器学习是一个分析数据并学会预测结果的程序。
数据集

在计算机的思维中，数据集是任何数据的集合。它可以是从数组到完整数据库的任何东西。
数组的示例：
[99,86,87,88,111,86,103,87,94,78,77,85,86]
数据库的示例：

1. Carname  Color  Age  Speed  AutoPass
2. BMW  red  5  99  Y
3. Volvo  black  7  86  Y
4. VW  gray  8  87  N
5. VW  white  7  88  Y
6. Ford  white  2  111  Y
7. VW  white  17  86  Y
8. Tesla  red  2  103  Y
9. BMW  black  9  87  Y
10. Volvo  gray  4  94  N
11. Ford  white  11  78  N
12. Toyota  gray  12  77  N
13. VW  white  9  85  N
14. Toyota  blue  6  86  Y

复制代码

通过查看数组，我们可以猜测平均值可能在80到90之间，我们还能够确定最高值和最低值，但我们还能做什么？
通过查看数据库，我们可以看到最受欢迎的颜色是白色，而最老的车辆为17岁，但如果我们能够通过查看其他值来预测车辆是否具有AutoPass呢？
这就是机器学习的用途！分析数据并预测结果！
在机器学习中，通常需要处理非常大的数据集。在本教程中，我们将尽量让您尽可能容易地理解机器学习的不同概念，并使用易于理解的小型数据集。
数据类型

要分析数据，重要的是要知道我们正在处理的数据类型。
我们可以将数据类型分为三个主要类别：

• 数值
  
• 分类
  
• 顺序
  

数值数据是数字，并且可以分为两个数值类别：

• 离散数据 - 限制为整数的数字。示例：汽车经过的数量。
  
• 连续数据 - 有无限值的数字。示例：物品的价格或大小。
  

分类数据是不能相互比较的值。示例：颜色值或任何是/否值。
顺序数据类似于分类数据，但可以相互比较。示例：学校成绩，其中A好于B等等。
通过了解数据源的数据类型，您将能够知道在分析数据时使用哪种技术。
您将在接下来的章节中了解更多有关统计学和数据分析的内容。
机器学习 - 均值、中位数、众数

在观察一组数字时，我们可以学到什么？
在机器学习（以及数学）中，通常有三个值引起我们的兴趣：

• 均值 - 平均值
  
• 中位数 - 中间值
  
• 众数 - 出现最频繁的值
  

示例：我们已经记录了13辆车的速度：
speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
这些速度的平均值、中间值和最常见的速度值是多少呢？
均值

均值是平均值。
要计算均值，找到所有值的总和，并将总和除以值的数量：
(99+86+87+88+111+86+103+87+94+78+77+85+86) / 13 = 89.77
NumPy模块有一个用于此目的的方法。了解有关NumPy模块的信息，请查看我们的NumPy教程。
示例：使用NumPy的mean()方法找到平均速度：

1. import numpy
3. speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
5. x = numpy.mean(speed)
7. print(x)

复制代码

中位数

中位数是排列所有值后位于中间的值：
77, 78, 85, 86, 86, 86, 87, 87, 88, 94, 99, 103, 111
在找到中位数之前，需要确保对数字进行排序。
NumPy模块有一个用于此目的的方法：
示例：使用NumPy的median()方法找到中间值：

1. import numpy
3. speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
5. x = numpy.median(speed)
7. print(x)

复制代码

如果中间有两个数字，将这些数字的总和除以2。
77, 78, 85, 86, 86, 86, 87, 87, 94, 98, 99, 103
(86 + 87) / 2 = 86.5
示例：使用NumPy模块：

1. import numpy
3. speed = [99,86,87,88,86,103,87,94,78,77,85,86]
5. x = numpy.median(speed)
7. print(x)

复制代码

众数

众数是出现最频繁的值：
99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86 = 86
SciPy模块有一个用于此目的的方法。了解有关SciPy模块的信息，请查看我们的SciPy教程。
示例：使用SciPy的mode()方法找到出现最频繁的数字：

1. from scipy import stats
3. speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
5. x = stats.mode(speed)
7. print(x)

复制代码

最后

为了方便其他设备和平台的小伙伴观看往期文章：公众号搜索Let us Coding，或者扫描下方二维码，关注公众号，即可获取最新文章。
看完如果觉得有帮助，欢迎点赞、收藏和关注

来源:https://www.cnblogs.com/xiaowange/p/17816132.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！