Python 机器学习入门：数据集、数据类型和统计学

机器学习是通过研究数据和统计信息使计算机学习的过程。机器学习是迈向人工智能（AI）的一步。机器学习是一个分析数据并学会预测结果的程序。

数据集

在计算机的思维中，数据集是任何数据的集合。它可以是从数组到完整数据库的任何东西。

数组的示例：

[99,86,87,88,111,86,103,87,94,78,77,85,86]

数据库的示例：

Carname  Color  Age  Speed  AutoPassBMW  red  5  99  YVolvo  black  7  86  YVW  gray  8  87  NVW  white  7  88  YFord  white  2  111  YVW  white  17  86  YTesla  red  2  103  YBMW  black  9  87  YVolvo  gray  4  94  NFord  white  11  78  NToyota  gray  12  77  NVW  white  9  85  NToyota  blue  6  86  Y

通过查看数组，我们可以猜测平均值可能在 80 到 90 之间，我们还能够确定最高值和最低值，但我们还能做什么？

通过查看数据库，我们可以看到最受欢迎的颜色是白色，而最老的车辆为 17 岁，但如果我们能够通过查看其他值来预测车辆是否具有 AutoPass 呢？

这就是机器学习的用途！分析数据并预测结果！

在机器学习中，通常需要处理非常大的数据集。在本教程中，我们将尽量让您尽可能容易地理解机器学习的不同概念，并使用易于理解的小型数据集。

数据类型

要分析数据，重要的是要知道我们正在处理的数据类型。

我们可以将数据类型分为三个主要类别：

• 数值

• 分类

• 顺序

数值数据是数字，并且可以分为两个数值类别：

1. 离散数据 - 限制为整数的数字。示例：汽车经过的数量。

2. 连续数据 - 有无限值的数字。示例：物品的价格或大小。

分类数据是不能相互比较的值。示例：颜色值或任何是/否值。

顺序数据类似于分类数据，但可以相互比较。示例：学校成绩，其中 A 好于 B 等等。

通过了解数据源的数据类型，您将能够知道在分析数据时使用哪种技术。

您将在接下来的章节中了解更多有关统计学和数据分析的内容。

机器学习 - 均值、中位数、众数

在观察一组数字时，我们可以学到什么？

在机器学习（以及数学）中，通常有三个值引起我们的兴趣：

• 均值 - 平均值

• 中位数 - 中间值

• 众数 - 出现最频繁的值

示例：我们已经记录了 13 辆车的速度：

speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]

这些速度的平均值、中间值和最常见的速度值是多少呢？

均值

均值是平均值。

要计算均值，找到所有值的总和，并将总和除以值的数量：

(99+86+87+88+111+86+103+87+94+78+77+85+86) / 13 = 89.77

NumPy 模块有一个用于此目的的方法。了解有关 NumPy 模块的信息，请查看我们的 NumPy 教程。

示例：使用 NumPy 的 mean()方法找到平均速度：

import numpy
speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
x = numpy.mean(speed)
print(x)

中位数

中位数是排列所有值后位于中间的值：

77, 78, 85, 86, 86, 86, 87, 87, 88, 94, 99, 103, 111

在找到中位数之前，需要确保对数字进行排序。

NumPy 模块有一个用于此目的的方法：

示例：使用 NumPy 的 median()方法找到中间值：

import numpy
speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
x = numpy.median(speed)
print(x)

如果中间有两个数字，将这些数字的总和除以 2。

77, 78, 85, 86, 86, 86, 87, 87, 94, 98, 99, 103

(86 + 87) / 2 = 86.5

示例：使用 NumPy 模块：

import numpy
speed = [99,86,87,88,86,103,87,94,78,77,85,86]
x = numpy.median(speed)
print(x)

众数

众数是出现最频繁的值：

99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86 = 86

SciPy 模块有一个用于此目的的方法。了解有关 SciPy 模块的信息，请查看我们的 SciPy 教程。

示例：使用 SciPy 的 mode()方法找到出现最频繁的数字：

from scipy import stats
speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
x = stats.mode(speed)
print(x)

最后

为了方便其他设备和平台的小伙伴观看往期文章：公众号搜索Let us Coding，或者扫描下方二维码，关注公众号，即可获取最新文章。

看完如果觉得有帮助，欢迎点赞、收藏和关注