Scikit-Learn套件的思維模式

安裝好了Scikit-Learn之後，先別急著用，我們先來了解Scikit-Learn的思維模式，剛好官方網站提供了一個很好的流程圖，

如下:

(圖片來源:http://scikit-learn.org/stable/tutorial/machine_learning_map/index.html)

簡單來說，當我們發現一個問題之後，如果你的資料大於50筆，就可以繼續，而如果少於50的話，你必須收集更多資料，不然整個機器學習的成功率會降得很低。

而上面這張圖，可以將這個問題分成四個模式來處理分別是:

1.classification(分類):

就如同字面上的意思，就是能夠透過觀察資料去預測出結果是屬於哪一種類的方法，最常見的例子就是二分法了，也可以回答"是"或"否"的這種問題。

2.clustering(分群):

通常是用來處理「沒有正確回答的問題」，clustering可以將有相同特徵的資料群集在一塊。

像K-means Clustering 分群之後的示意圖:

這原本是有很多點點所組成的圖，而透過clustering可以將它們類似的分成一群，分類方法為:

(0.0) (0.1)X軸為0，Y軸介於0到1的是紅色

(1.0) (1.1)X軸為1，Y軸介於0到1的是藍色

(2.0) (2.1)X軸為2，Y軸介於0到1的是綠色(圖片來源:http://pypr.sourceforge.net/kmeans.html)

3.regression(回歸):

與前者 Classification 方法的不同之處，在於 Regression 演算法通常是預測出一個「數值」。

比如：明天的台北股市收盤價是多少? 如何根據所在城市、坪數、學區等來預測房價? 都是適合使用 Regression 演算法的問題。

4.dimensionality reduction(維度縮減):

簡單來說，一個問題，可能有好幾個原因影響這個問題的答案，而這個維度縮減可以將這好幾個原因壓縮成少數的關鍵原應，並不是直接選兩個，而是影想越大的權重月重，越不重要的壓縮的權重越小。

我們用圖來解釋:

(圖片來源:http://murphymind.blogspot.com/2017/07/machine-learning-dimensionality.html)

由上圖可以發現，相關性最大的紅色，在合併前後並沒有太大的位移，而相關性比較少的黑色和藍色，經過壓縮後，不同的兩點機乎重合在一起。