分类问题
机器学习中的任务的取值是离散的有限个的时候,则我们的(预测)问题可以视为分类问题。
分类模型的效果衡量
分类问题效果衡量主要是以检验分类器的效果为主,因此,主要是看分类器能否正确分类,因此,我们应首先考虑分类器分类的正确率和错误率,这个容易得出(正确/总 或 错误/总)
然而,这只是最基本的情况,实际上,分类器有可能会把正确的分到错误的类里,也有可能会把错误的分到正确的类里,因此,单纯考虑分类器的正确率和错误率是不够的
因此,就有了精确率和召回率的说法,具体参见精确率和召回率一文
回归问题
机器学习中回归问题是指输入变量(自变量)和输出变量(因变量)之间的关系【主要值数学的函数关系】,回归模型是指输入变量到输出变量之间的函数。
回归模型的效果衡量
回归模型主要分为线性回归和非线性回归
效果衡量主要从实际值和预测的输出值之间的误差来考虑,典型的衡量方法有最小二乘法(least squares
)