《Python机器学习经典实例》试读：1.1　简介

在这一章，我们将介绍以下主题：  数据预处理技术  标记编码方法  创建线性回归器（linear regressor）  计算回归准确性  保存模型数据  创建岭回归器（ridge regressor）  创建多项式回归器（polynomial regressor）  估算房屋价格  计算特征的相对重要性  评估共享单车的需求分布 1.1　简介 如果你熟悉机器学习的基础知识，那么肯定知道什么是监督学习。监督学习是指在有标记的样本（labeled samples）上建立机器学习的模型。例如，如果用尺寸、位置等不同参数建立一套模型来评估一栋房子的价格，那么首先需要创建一个数据库，然后为参数打上标记。我们需要告诉算法，什么样的参数（尺寸、位置）对应什么样的价格。有了这些带标记的数据，算法就可以学会如何根据输入的参数计算房价了。 无监督学习与刚才说的恰好相反，它面对的是没有标记的数据。假设需要把一些数据分成不同的组别，但是对分组的条件毫不知情，于是，无监督学习算法就会以最合理的方式将数据集分成确定数量的组别。我们将在后面章节介绍无监督学习。 建立书中的各种模型时，将使用许多Python程序包，像NumPy、SciPy、scikit-learn、matplotlib等。如果你使用Windows系统，推荐安装兼容SciPy关联程序包的Python发行版，网址为http://www.scipy.org/install.html，这些Python发行版里已经集成了常用的程序包。如果你使用Mac OS X或者Ubuntu系统，安装这些程序包就相当简单了。下面列出来程序包安装和使用文档的链接：  NumPy：http://docs.scipy.org/doc/numpy-1.10.1/user/install.html  SciPy：http://www.scipy.org/install.html  scikit-learn：http://scikit-learn.org/stable/install.html  matplotlib：http://matplotlib.org/1.4.2/users/installing.html 现在，请确保你的计算机已经安装了所有程序包。