机器学习入门实战1-认识机器学习

📖 学习内容 1️⃣ 什么是机器学习？ 📌 机器学习 vs 传统编程

在传统编程中，我们手动编写规则：

def is_adult(age): if age >= 18: return "Adult" else: return "Child"

💡 传统编程 = 规则（程序员写代码）+ 数据 → 结果

而在机器学习中，程序会自动从数据中学习规律，不需要我们手动编写规则：

输入：大量的训练数据（如：大量人的年龄和他们的分类）输出：程序自动学习一个模型，来预测新的数据

💡 机器学习 = 数据 + 结果 → 学习出规律（模型）

---

2️⃣ 机器学习的三种类型 1. 监督学习（Supervised Learning）

✅ 定义：机器学习模型在有标签的数据上学习模式，最终可以预测新数据的类别或数值。

✅ 主要任务：

回归（Regression） → 预测连续数值（如房价预测）分类（Classification） → 预测离散类别（如垃圾邮件识别）

✅ 示例

变量目标面积房价80㎡100万120㎡180万150㎡250万

📌 回归示例：模型学习面积和房价的关系，预测新房子的价格。

📌 分类示例：垃圾邮件识别：

邮件内容是否垃圾邮件“免费领取iPhone!”是“你好，张三，关于会议安排…”否

---

2. 无监督学习（Unsupervised Learning）

✅ 定义：没有标签的数据，模型自动发现数据的结构。

✅ 主要任务：

聚类（Clustering） → 把相似的数据分成不同的组（如用户分群）降维（Dimensionality Reduction） → 让数据更简单易懂（如PCA，Principal Component Analysis，主成分分析）

📌 示例：

聚类：根据用户的购买行为，把用户自动分为不同类别（高端消费、普通消费）降维：把复杂的高维数据降到 2D 或 3D 来可视化。

---

3. 强化学习（Reinforcement Learning）

✅ 定义：AI 通过试错学习，不断优化策略，获得最大奖励。

✅ 主要任务：

机器人自动驾驶AI 训练玩游戏（如 AlphaGo）自动股票交易系统

📌 示例：

机器人学走路：如果走对一步，给奖励；走错摔倒，减少奖励。

---

📝 练习项目 1：分析 Kaggle 泰坦尼克号数据集

✅ 目标：

下载 Kaggle 数据集观察数据结构统计不同特征（如性别）的存活率进行可视化分析

---

🔹 1. 下载数据集

👉 步骤：

访问 Kaggle Titanic 竞赛页面点击 Download All 下载 train.csv将 train.csv 放入你的 Python 项目目录

---

🔹 2. 加载数据并观察 import pandas as pd # 读取 Titanic 训练数据 df = pd.read_csv("train.csv") # 显示前5行 print(df.head()) # 数据概览 print(df.info()) print(df.describe())

✅ 输出结果

PassengerId Survived Pclass Name Sex Age SibSp Parch Fare 0 1 0 3 Allen male 22.0 1 0 7.2500 1 2 1 1 Cumings female 38.0 1 0 71.2833 Survived = 1 表示存活，0 表示死亡Pclass = 船舱等级（1 = 头等舱, 3 = 三等舱）Sex = 性别Age = 年龄Fare = 票价

---

🔹 3. 统计男女存活率 # 统计生存率 print(df["Survived"].value_counts()) # 统计男女生存情况 print(df.groupby("Sex")["Survived"].mean())

✅ 输出示例

Survived: 0 549 # 没有生还 1 342 # 生还 Sex Survived female 0.74 male 0.18

💡 结论：

女性生存率 74%男性生存率 18%说明女性在救援中有优先权（“Women and children first!”）

---

🔹 4. 绘制可视化图表 import matplotlib.pyplot as plt import seaborn as sns # 统计男女生存率 sns.barplot(x="Sex", y="Survived", data=df) plt.title("男女生存率对比") plt.show() ✅ 输出结果 🔹 5. 统计不同船舱等级（Pclass）的存活率 # 统计不同船舱的生存率 print(df.groupby("Pclass")["Survived"].mean()) # 画出船舱等级和存活率的柱状图 sns.barplot(x="Pclass", y="Survived", data=df) plt.title("不同船舱等级的生存率") plt.show()

✅ 结论

头等舱生存率最高三等舱生存率最低

---

🎯 总结

✅ 今天的收获：

理解了机器学习三大类学习了 Pandas 读取 CSV 数据统计了泰坦尼克号数据的生存率学会了绘制可视化图表

📌 下一步

2：数据预处理 填充缺失值数据标准化处理类别变量

🚀 你可以修改代码，比如增加 “年龄” 对存活率的影响分析！ 🎯