📖 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！ 🎯
