Notes for Machine Learning

分类/回归：+标签

分类（Classification），即找一个函数判断输入数据所属的类别，可以是二分类问题（是/不是），也可以是多类别问题（在多个类别中判断输入数据具体属于哪一个类别）。与回归问题（regression）相比，分类问题的输出不再是连续值，而是离散值，用来指定其属于哪个类别。

回归（Regression），是一种统计方法,于对具有一个或多个自变量的因变量(目标变量)和自变量(预测变量)之间的关系进行建模

聚类：无标签

聚类（Clustering）是最常见的无监督学习算法，它指的是按照某个特定标准（如距离）把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。也即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。

NFL定理：脱离具体问题讨论“什么是最好的算法”是无意义的；

在某些问题上表现良好的学习算法，在另一些问题上也有可能表现得不尽人意，因此还是必须关注算法与具体问题的匹配程度怎么样