机器学习——01（sklearn工具箱机器学习算法的大致分类）

机器学习算法分类：
(具体算法选择可根据样本量大小以及下面的特征进行选择）
1.无监督算法，用于降维，作为辅助性工具的算法：PCA，SVD，Kmeans；
2.无监督算法，用于关联分析的算法：Aprior算法、隐马尔科夫（现在已经少用了，可用循环神经网络取代）；
3.有监督算法，用于分类（离散型标签）用：svm,GDBT，LR，XGBT;
4.有监督算法，用于分类（连续型标签）用：liner regression,Ridge;
机器学习思路：
1）准备数据—pandas读取，观察数据情况，字段的含义及其分布，通常如果分布不为正态分布，需要将数据通过取对数变成正太分布，在最后的时候再取其返回值；
2）特征工程——连续型数据（观察数值型数据是否具有大小的意义，如果没有，需要去除或者进行转换成字符型），字符型数据（通常通过one-hot编码即可实现，pandas有自带的get Dummy的操作），然后针对数据缺失的情况进行具体处理；
3）建模：可分为基础版和进阶版，基础版用一些：Ridge模型、Decesion_tree，Random Forest等模型，利用pandas自带的cv进行调参；进阶版：运用一些boosting的方法：从pandas里面导入ensamble框架，该框架自带基础为decision_tree,也可以自己设定为其他如Ridge的算法，设定关于加入个数的列表，依次cv训练看结果；还有Xgboost；
非结构化的数据：自然语言处理对字符的处理；视频：图片，及语音的处理；