1.3 机器学习算法分类

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
• 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

1. 预测明天的气温是多少度？
2. 预测明天是阴、晴还是雨？
3. 人脸年龄预测？
4. 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