决策树和 K 近邻分类
本次分别运用决策树和最近邻方法在分类任务上构建模型,并通过交叉验证对模型进行调优。在深入本次学习之前,首先了解一下什么是机器学习, Machine Learning(T. Mitchell 著,1997 年出版)一书中给出了机器学习经典、通用的定义:假设用 P 来评估计算机程序在某任务类 T 上的性能,若一个程序利用经验 E 在任务 T 上获得了性能改善,则我们就说关于 T 和 P, 该程序对 E 进行了学习。在不同的问题设定下,T、P、E 可能指完全不同的东西。分类:基于特征将实例分为某一类。
复制链接