1.人工智能算法分类：

a. 监督学习

输入值： 特征值 + 目标值

b. 无监督学习

输入值： 特征值

c. 半监督强化学习

d. 数据类型：

离散型数据：

计数数据

连续型数据：

3.14

e. 人工智能工作流程

2. 数据集与分割

api:from sklearn.datasets import load_iris

特征值： data target

数据集的分割

from sklearn.model_selection import train_test_split

x_train, x_test, y_train, y_test

3. 估计器：

a. 实例化估计器对象

b. fit() 对数据进行拟合

c. score 计算模型准确度

d. predict 预测结果

4. knn算法

a.原理

b.距离计算公式：

欧氏距离：

c.api:

from sklearn.neighbors import KNeighborsClassifier

方法：

fit

score

predict

5. 特征工程： 特征预处理

a. 归一化

将数据转化为 0 - 1 范围内

api:

from sklearn.preprocessing import MinMaxScaler

fit_transform

b. 标准化

将数据转换为均值为0 ，标准差为1 1

api：from sklearn.preprocessing import StandardScaler

fit_transform