2301_81477767的博客

所以回归算法解决的问题就是需要预测连续值的问题，比如刚刚说到的价格，就算不知道具体的值，也知道需要预测的价格在哪个区间，比如我预测明天大白菜大概率6块一斤，但也可能有一定波动，实际价格可能是7块，给个保守的区间，4-8块钱一斤，这个区间里的数都是连续的，所以叫做连续值。回归算法是为了预测数值而诞生的算法，常见的应用有：预测价格（大到房价股价，小到自己居住城市的大白菜明天多少钱一斤），预测概率（用户看完刷到的下个视频的概率，用户会买自己品牌垃圾新品的概率）。回归算法是用来解决什么问题的？

这个抽取样本学习的过程需要注意，A抽取了一些样本，之后抽取样本的其他人可能会抽取到A看过的样本，也可能不会抽取到，但一定会有人抽取到A抽取过的样本的，不然和A意见一致的人就没了，别人的投票和A的投票都不一样，那A的投票就没什么影响，甚至可以说没有意义，这也是为什么学习的样本要放回去。请你先想象一个场景，一个会议室里坐满了来自各个国家的人群，这些人群有着不同的经历，所以都有着不同的见解，现在针对一个分类问题，要让他们进行投票，根据目标对象的特征，投票判断这个目标对象是什么类别。什么是随机森林分类器？

那现在要分析一个[2.1,2,2]的数字组合的花，如果我们只有[2,2,2]-2 [3,3,3]-3这样的数字组合和分类参考，那K-近邻分类算法肯定会把[2.1,2,2]这个数字分类为序号2类的花，即红二叶花，因为它离[2,2,2]这个数字组合更加相近。比如[2,2,2]这个数字组合对应了序号2这个类别的花，它的意义可能是有两朵2cm花瓣的红色花，叫红二叶花。所以K-近邻算法也算是监督学习，因为它是学习的样本全是有答案的，数据集中的每个数字组合都有对应的分类。