机器学习(1.12)

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/Dove_forehead/article/details/79450267

机器学习——监督学习

-定义
-算法


定义

给出一个算法,需要部分数据集已经有正确答案。(自我理解:给定训练集的标签,通过监督学习算法,得到测试集的标签。)

Supervised Learning: 'right answer' given

监督学习又叫回归问题(回归属于监督中的一种),意指要预测一个连续值的输出。

Regression: Predict continuous valued output

分类问题也属于监督学习,意为预测一个离散值的输出

Classification: Discrete valued output(0 or 1)

总结

所有的回归算法和分类算法都属于监督算法。回归(Regression)和分类(Classification)的算法区别在于输出变量的类型,定量输出称为回归,或者说是连续变量预测;定性输出称为分类,或者说是离散变量预测。

算法

常用的监督学习算法:

  • K近邻算法(K-Nearest Neighbors, KNN)——分类算法
  • 决策树(Decision Trees)——分类算法
    • ID3算法
    • C4.5算法
  • 朴素贝叶斯(Naive Bayesian)——分类算法
  • 逻辑回归(Logistic Regression)——分类算法,主要用于二分类问题
  • 线性回归(Linear Regression)——回归算法,常用的线性回归最优法有最小二乘法和梯度下降法。

展开阅读全文

没有更多推荐了,返回首页