【机器学习】机器学习基础

一、机器学习概述

1、机器学习算法的判别依据 —— 数据类型
  1. 离散型数据:由记录不同类别个体的数目所得到的数据,又称计数数据,所有这些数据全部都是整数,而且不能再细分,也不能进一步提高它们的精确度。
  2. 连续型数据:变量可以在某个范围内任取一数,即变量的取值可以是连续的,如长度、时间、质量值等,这类整数通常是非整数,含有小数部分。

注:离散型是区间内不可分,连续型是区间内可分。

数据的类型将是机器学习模型不同问题不同处理的依据。

机器学习算法的分类

1、监督学习(预测):可以由输入数据中学到或建立一个模型,并依此模式推测新的结果。**输入数据是由特征值和目标值所组成。**函数的输出可以是一个连续的值(称为回归),或是输出有限个离散值(称作分类)。

  • 分类:是监督学习的一个核心问题,在监督学习中,当输出变量取有限个离散值时,预测问题变成分类问题。最基础的便是二分类问题,即判断是非,从两个类别中选择一个作为预测结果。
    主要算法有:K-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络(目标值离散型)
  • 回归:回归用于预测输入变量和输出变量之间的关系,输出是连续型的值。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值