在目前的机器学习工作中,最常见的三种任务就是:
- 回归分析
- 分类分析
- 聚类分析
这篇文章的重点是分类(Classification)在机器学习领域中的应用。
什么是「分类」
虽然我们人类都不喜欢被分类,被贴标签,但数据研究的基础正是给数据“贴标签”进行分类。类别分得越精准,我们得到的结果就越有价值。
分类是一个有监督的学习过程,目标数据库中有哪些类别是已知的,分类过程需要做的就是把每一条记录归到对应的类别之中。由于必须事先知道各个类别的信息,并且所有待分类的数据条目都默认有对应的类别,因此分类算法也有其局限性,当上述条件无法满足时,我们就需要尝试聚类分析。
区分「聚类」与「分类」
聚类和分类是两种不同的分析。
分类的目的是为了确定一个点的类别,具体有哪些类别是已知的,常用的算法是 KNN (k-nearest neighbors algorithm),是一种有监督学习。聚类的目的是将一系列点分成若干类,事先是没有类别的,常用的算法是 K-Means 算法,是一种无监督学习。
两者也有共同点,那就是它们都包含这样一个过程:对于想要分析的目标点,都会在数据集中寻找离它最近的点,即二者都用到了 NN (Nears Neighbor) 算法。
应用场景
- 判断邮件是否为垃圾邮件
- 判断在线交易是否存在潜在风险
- 判断肿瘤为良性还是恶性等等
由此可见,逻辑回归(Logistic Regression)就是一种分类分析,它有正向类和负向