Day 4：机器学习初探——从监督学习到无监督学习

摘要

本文系统讲解机器学习的核心范式：

1. 监督学习：用标注数据训练模型（如房价预测）
2. 无监督学习：发现数据隐藏模式（如客户分群）
3. 半监督学习：混合标注与未标注数据
4. 强化学习 ：通过奖惩机制优化决策
   配套实战：用Scikit-learn完成鸢尾花分类与顾客聚类分析

---

目录

1. 机器学习四大范式对比
2. 监督学习全解析
   • 分类 vs 回归
   • 损失函数与评估指标
3. 无监督学习核心方法
   • 聚类（K-Means/DBSCAN）
   • 降维（PCA/t-SNE）
4. 实战：双任务对比实验
   • 任务1：监督学习分类鸢尾花
   • 任务2：无监督学习聚类顾客数据
5. 模型选择避坑指南

---

1. 机器学习四大范式对比

对比表格：

类型	输入数据	典型算法	应用场景
监督学习	带标签的数据	随机森林/SVM	垃圾邮件识别
无监督学习	无标签数据	K-Means/PCA	市场细分
半监督学习	部分标注数据	Label Propagation	医学影像分析
强化学习	环境状态+奖励	Q-Learning	游戏AI/机器人控制

💡 关键区别：

• 监督学习需要"标准答案"，无监督学习探索"数据本身的结构"

---

2. 监督学习全解析

（1）分类 vs 回归

流程图：

输入数据 → 特征工程 → 选择模型（分类/回归） → 训练 → 评估 → 部署

典型算法对比：

# 分类模型（输出离散值）
from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier()

# 回归模型（输出连续值）
from sklearn.linear_model import LinearRegression
reg = LinearRegression()

（2）评估指标

核心指标表：

| 任务类型 | 指标 | 公式/说明 |
|----------|----------|-------------------------------------------|---------|----|
| 分类 | 准确率 | (TP+TN)/(TP+TN+FP+FN) |
| 分类 | F1-score | 2*(Precision*Recall)/(Precision+Recall) |
| 回归 | MAE | Σ | 预测值-真实值 | /n |
| 回归 | R² | 解释方差比例（0~1） |

---

3. 无监督学习核心方法

（1）K-Means聚类

算法步骤：

1. 随机选择K个中心点
2. 将每个点分配到最近的中心
3. 重新计算中心点位置
4. 重复2-3步直到收敛

可视化表格：

迭代次数	中心点坐标	样本分布
1	[(1,2), (4,5)]	Cluster1: 30个样本
10（收敛）	[(1.2,2.1), (4.3,4.8)]	Cluster1: 28个样本

（2）PCA降维

Python实现：

from sklearn.decomposition import PCA
pca = PCA(n_components=2)  # 降至2维
X_reduced = pca.fit_transform(X)

---

4. 实战：双任务对比实验

任务1：监督学习分类鸢尾花

完整代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载数据
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)

# 训练模型
from sklearn.svm import SVC
model = SVC(kernel='rbf')
model.fit(X_train, y_train)

# 评估
print("测试集准确率：", model.score(X_test, y_test))

任务2：无监督学习聚类顾客数据

关键步骤：

import pandas as pd
from sklearn.cluster import KMeans

# 生成模拟数据
data = pd.DataFrame({
    '年龄': np.random.randint(18,70,100),
    '月消费额': np.random.normal(3000, 500, 100)
})

# 聚类分析
kmeans = KMeans(n_clusters=3)
data['cluster'] = kmeans.fit_predict(data)

# 可视化
import seaborn as sns
sns.scatterplot(data=data, x='年龄', y='月消费额', hue='cluster')

🔥 动手任务：修改n_clusters参数，观察聚类结果变化并截图分享！

---

5. 模型选择避坑指南

❌ 错误1 ：用分类算法解决回归问题

✅ 解决方案：检查目标变量是否连续

❌ 错误2 ：忽略数据标准化

✅ 正确做法：

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

---

下一篇预告

Day 5：实战！用Scikit-learn完成你的第一个分类模型
"从数据清洗到模型部署，手把手教你打造能用的AI系统！"

---

知识图谱总结

graph LR A[机器学习] --> B[监督学习] A --> C[无监督学习] B --> D[分类] B --> E[回归] C --> F[聚类] C --> G[降维]

各位老板，需要补充哪个算法的详细推导过程？或者希望增加其他实战案例？