机器学习：分类（Classification）算法

在目前的机器学习工作中，最常见的三种任务就是：

 

1. 回归分析
2. 分类分析
3. 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