机器学习：问题背景

学习问题分以下几类：

有监督学习

聚类，密度估计等

有几个标准数据集，鸢尾花和手写字用于分类，以及波士顿房价数据集用于回归。
鸢尾花与手写字数据集的导入。

数据集就是一个字典对象，包含了所有的数据以及一些关于数据的元数据。数据存储在.data成员中，它是一个n个样本，n个特征的数组。在监督学习的问题中，因变量存在.target成员中。

数据总是二维数组，（n_sample,n_features）的形状，即使原始数据可能有着不同的形状。在手写字识别中，每个原始例子是（8 * 8）。

但是在data中变成了（1 * 64）。

在scikit-learn中，分类器是一个实现了方法fit(x,y)和predict(T)的Python对象。

先把分类器当做是一个黑盒。

选择模型的参数
在这个例子中我们是人工选择的参数，为了寻找这些参数的更好的值，我们能使用例如网格搜索和交叉验证的工具。

分类器实例拟合模型是通过传递训练集给fit方法。对于训练集，我们使用除了最后一张图片的所有图片，最后一张图片用来做预测。

来预测：

使用pickle。

使用joblib，joblib在大数据方面更加高效，但是遗憾的是它只能把数据持久化到硬盘而不是字符串（搬到字符串意味着数据在内存中）。

之后可以重新加载模型（也可以在其他的Python进程中）

注意：joblib.dump和joblib.load也接收像文件一样的对象而不是文件名。

除非特别指明，输入将被转换为float64:

x是float32型，可以通过fit_transform(x)转换为float64。

回归的目标类型转化为float64，分类的目标类型保留下来。

超参数在通过set_params()方法创建后能够更新。调用fit()函数超过一次将会重写之前fit()所学的内容。

当使用多类别分类器，所执行的学习和预测任务取决于适合于目标数据的格式。