機器學習實戰筆記1——機器學習導論

      因爲輔修專業，這學期在學習機器學習這門課。
      使用的語言爲Python，因爲Python涉及到庫的安裝、pip升級等，經常因爲源、版本不對等問題導致報錯，以前沒有做筆記的習慣，遇到問題就上網搜，雖然能解決，但花費不少時間，故首次嘗試寫下學習筆記，記錄學習過程的一些知識及中完成作業的過程中遇到的麻煩，方便個人以後及時找到解決方法，如恰好能幫到你，實屬我之榮幸，如有錯誤，歡迎斧正。

任務安排

1、機器學習導論        8、核方法
2、KNN及其實現        9、稀疏表示
3、K-means聚類       10、高斯混合模型
4、主成分分析           11、嵌入學習
5、線性判別分析       12、強化學習
6、貝葉斯方法           13、PageRank
7、邏輯迴歸               14、深度學習

機器學習導論

人工智能核心課程——機器學習
機器學習頂會——國際機器學習大會 ICML
因爲我們才第二屆，不夠成熟，沒有配套課本，老師的推薦書籍是《模式識別》——張學工

      1956年，達特茅斯會議的舉辦，標誌人工智能學科的誕生，而機器學習，則起源於人工智能，從第一階段推理期，研究者們意識到機器僅有邏輯推理能力是遠遠不夠的，到第二階段知識期，研究者們受困於總結出大量知識再教給系統，後到第三階段學習期，20世紀90年代中後期，人們淹沒在數據海洋中喘息不得，意識到發展自動數據分析技術——機器學習迫在眉睫，機器學習作爲“突破知識工程瓶頸”之利器應運而生。
      再到如今，機器學習已大量應用於我們生活的方方面面，遊戲製作、生物信息學、搜索引擎、入侵檢測、無人駕駛、火星機器人、決策助手…

Ⅰ機器學習定義

         對於某類任務 T 和性能度量 P，如果一個計算機程序在 T 上以 P 衡量的性能隨着經驗 E 而自我完善，那麼我們稱這個計算機程序在從經驗 E 中學習。

簡單點說，就是給定一組輸入數據集，經過模型訓練後，得到相應輸出數據集

Ⅱ 機器學習分支

   監督學習 Supervised Learning
       分類 Classification (離散）——KNN、貝葉斯方法……
       迴歸 Regression （連續）
       降維 Dimensionality Reduction——LDA……
   無監督學習 Unsupervised Learning
       密度估計 Density Estimation
       聚類 Clustering——K-means……
       降維 Dimensionality Reduction——PCA……
       圖像分割 Image Segmentation

   弱監督學習 Weakly-supervised Learning
       半監督學習 Semi-supervised （介於監督學習與無監督學習之間使用大量的未標記數據，以及同時使用標記數據，來進行模式識別工作）

       偏監督學習 Partially-supervised
   增強學習 Reinforcement Learning
       Q-learning

Ⅲ 性能度量

      $loss(Y, f(X))$ —— 衡量真實標籤Y和預測標籤 $f(X)$ 之間的距離（X是抽取的數據）
      不僅僅是考慮某一個測試數據的標籤，而是數據集中任意一個數據
      給定一個從所有細胞圖片中隨機抽取的細胞圖片，預測器的平均性能有多好？
$Risk R(f)≡E_{xy}[loss(Y,f(X))]$（$R(f)$越小即預測性能越好）
      不同情況有不同具體公式，下圖僅舉例

下面到了重中之重的環節！！！今日作業與過程問題解決！！！
（沒想到第一節導論課都能佈置作業，感覺纔剛認識“機器學習”這個詞）

今日任務

1、安裝軟件 Python 和工具包 sklearn
2、生成數據 make_circles 和 make_moons，並顯示 $X=400×2$，Y={0,1}$^{400}$，畫圖：
3、思考：高維數據如何可視化？
4、上 機器學習數據庫下載並顯示至少一個圖像或文檔數據集。

任務解決

1、果不其然，①pip又更新了，使用以下代碼搞定（會自動安裝與已裝Python所相符的版本，有時一次沒法成功，多跑幾次就可以了，具體原因暫時不知道，可能是版本、路徑、網絡之類的問題，有知道的同學歡迎指教！）

python -m pip install --upgrade pip

②下面是配置 sklearn
      $sklearn$ 是 $scikit-learn$ 的簡稱，是一個基於 $Python$ 的第三方模塊。$sklearn$ 庫集成了一些常用的機器學習方法，在進行機器學習任務時，並不需要實現算法，只需要簡單的調用 $sklearn$ 庫中提供的模塊就能完成大多數的機器學習任務（用 $Python$ 這種高級語言就是好啊，站在巨人的肩膀上）。
      由於它有好幾個依賴庫，一個一個提前安裝挺麻煩的，筆者從別的大佬那找到的一個比較方便的代碼（筆者是用 $pycharm$，有的同學說用 $anaconda$ 直接有自帶 $sklearn$）

pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple

如果不加後面的清華源，用的外網，速度極其緩慢，載其他的包也是一樣的，只需把install和-i之間的包名更改即可
安裝好後提示：
可以看到 $sklearn$ 有三個依賴庫 $numpy$、$joblib$、$scipy$
那麼，終於算是解決第一題了！
2、參考sklearn之樣本生成（有缺少 $matplotlib$ 的用上面的命令行配置）
$x[n，:]$ or $x[:，n]$是 $numpy$ 中數組的用法 代碼註釋裏稍微解釋了一下

from sklearn.datasets import make_circles
from sklearn.datasets import make_moons
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(1)
x1, y1 = make_circles(n_samples=400, factor=0.5, noise=0.1)
# n_samples：生成樣本數，內外平分   noise：異常點的比例   factor：內外圓之間的比例因子 ∈（0,1）
# 舉例x1 = np.array([[0,1],[2,3],[4,5],[6,7],[8,9],[10,11],[12,13],[14,15],[16,17],[18,19]])
# x1[:,0]表示取所有座標的第一維數據   x1[0,:]表示第一個座標的所有維數據

plt.subplot(121)     # 一行兩列 當前爲1(第一行第一列)
plt.title('make_circles function example')
plt.scatter(x1[:, 0], x1[:, 1], marker='o', c=y1)
# 第一個參數橫座標 第二個參數縱座標 marker爲標誌圖案 c爲顏色(可以是二維行數組)
# x1[:,0]即取x座標 x1[:,1]即取y座標

plt.subplot(122)
x1, y1 = make_moons(n_samples=400, noise=0.1)
plt.title('make_moons function example')
plt.scatter(x1[:, 0], x1[:, 1], marker='o', c=y1)
plt.show()

效果圖

3、高維數據如何可視化？當然是上面提到過的無監督學習裏的降維啦，比如人臉識別中用PCA算法降維提取特徵臉
4、參考Python把多張圖片拼成大圖
需要注意的是** PTL 模塊封裝在 pillow 裏**
這裏只需更改 IMAGES_PATH 和 IMAGE_SAVE_PATH 即可
注意
(1) IMAGES_PATH 要到照片集的那一目錄下（最後需斜槓）
(2) IMAGE_SAVE_PATH 最後無斜槓
(3) Python 數據讀取路徑比較特殊，\有轉義的含義，故有三種表示路徑方法
①在路徑前面+r   ②用一個斜槓替代   ③用兩個反斜槓替代
參考自 unicode error

import PIL.Image as Image
import os

IMAGES_PATH = 'C:/Users/1233/Desktop/Horse100/Horse100/'  # 圖片集地址
# IMAGES_PATH = r'C:/Users/1233/Desktop/Horse100/Horse100/'
IMAGES_FORMAT = ['.jpg']  # 圖片格式
IMAGE_SIZE = 256  # 每張小圖片的大小
IMAGE_ROW = 10  # 圖片間隔，也就是合併成一張圖後，一共有幾行
IMAGE_COLUMN = 10  # 圖片間隔，也就是合併成一張圖後，一共有幾列
IMAGE_SAVE_PATH = 'C:\\Users\\1233\\Desktop\\Horse100\\Horse100\\final.jpg'  # 圖片轉換後的地址

# 獲取圖片集地址下的所有圖片名稱
image_names = [name for name in os.listdir(IMAGES_PATH) for item in IMAGES_FORMAT if
               os.path.splitext(name)[1] == item]


# 定義圖像拼接函數
def image_compose():
    to_image = Image.new('RGB', (IMAGE_COLUMN * IMAGE_SIZE, IMAGE_ROW * IMAGE_SIZE))  # 創建一個新圖
    # 循環遍歷，把每張圖片按順序粘貼到對應位置上
    for y in range(1, IMAGE_ROW + 1):
        for x in range(1, IMAGE_COLUMN + 1):
            from_image = Image.open(IMAGES_PATH + image_names[IMAGE_COLUMN * (y - 1) + x - 1]).resize(
                (IMAGE_SIZE, IMAGE_SIZE), Image.ANTIALIAS)
            to_image.paste(from_image, ((x - 1) * IMAGE_SIZE, (y - 1) * IMAGE_SIZE))
    return to_image.save(IMAGE_SAVE_PATH)  # 保存新圖


image_compose()  # 調用函數

效果圖

總結

對於本科的“機器學習”這類較難科目的初學習，我們應該學會站在巨人的肩膀上，先通過做出一些有趣的東西培養興趣，再興趣使然，不斷深入，以及，感謝前輩們的資源！