机器学习小白学习笔记之scikit-learn
最近刚把西瓜书啃完，一大堆理论让脑子真的是一团浆糊，说实话看的基本只有一个概念哈哈哈，效果不高，但是让我对与机器学习真的是整体有了一个大的了解，但是并没能将每个课后作业都完成，甚至很多公式推导也没实现，太难了，让我着手于实践，古人云实践出真知，又拿起了另一本书《Introduce to Mashine Learning with python》
跟着书本一步一步下来，因为每一步都会有点效果出来，就感觉很有成就感哈哈哈，虽然是跟着书码代码，但是冥冥之中觉得自己在提高，毕竟成为高手的第一步都是从模仿开始。
首先打开早就下载好的anacanda的jubyte note，恰好这本书基本上也都是在jubytenote上打得代码，所以一路上没有什么坑。
下面晒几张图
虽然只是简单的画一个图，但是成就感还是有一丢丢的，感觉这个画图的库和matlab很像。
接下来就是以一个具体的三分类问题开始实践，是一个非常经典的鸢尾花（iris）三分类问题。一步步下来都不会有什么问题，因为anacanda本身就安装了支持的库，但是其中有一个mglearn库还需要安装。
打开anancanda3 promt 直接
pip install mglearn
ok完美解决，不过还有个小瑕疵就是pandas的库更新了散点图的绘制函数，pd.plotting.scatter_matrix 中间加上一个plotting就可以完美解决，最后呈现了数据散点图：（很清晰的可以看出，数据大致的可以被划分为三类，这说明机器模型很可能可以学会区分它们）
哈哈哈又是一波成就感上来了！继续往下学习，越学越兴奋！
那么接下来就开始预测了，首先建立一个k近邻模型，在西瓜书上看到的时候可能会比较抽象，因为都是公式在解释，但是到了实际的情况上看，一下子就融会贯通了，通过sklearn库中的KNeighborsClassifier算法类来实现。不多说直接上最后的图：
那第一章到这里就结束了，收获颇丰，感觉理论学完，实践起来就有种恍然大悟的感觉。
