1.3.1 总结
- 监督学习(有目标值)
- 分类问题(目标值为类别)
eg:猫狗问题
特征值:猫/狗图片 ;目标值:猫/狗-类别 - 回归问题(目标值为连续性数据)
eg:房屋价格问题
特征值:房屋的各个属性 ;目标值:房屋价格–连续性数据
- 分类问题(目标值为类别)
- 无监督学习(无目标值)
特征值:人物的各个属性信息; 目标值:无- 聚类问题
1.3.2 分类练习
- 预测明天的气温是多少度?
- 预测明天是阴、晴还是雨?
- 人脸年龄预测?
- 人脸识别?
答案:
1 回归问题
2 分类问题
3 具体年龄(22岁,23岁)–回归问题;判断大小(老年中年少年)–分类问题
4 分类问题
1.3.3 机器学习算法分类
监督学习(supervised learning)(预测)
- 定义:输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(回归),或是输出是有限个离散值(分类)
- 分类: k-近邻算法、贝叶斯分类、决策树和随机森林、逻辑回归
- 回归:线性回归、岭回归
无监督学习(unsupervised learning)
- 定义:输入数据是输入特征值所组成
- 聚类: k-means