机器学习分类

先来看看思维导图：

引出分类与回归的问题

分类 (classification):
目标标记为类别型数据(category)
回归(regression):
目标标记为连续性数值 (continuous numeric value)

机器学习分类 - 1

根据是否是连续值得预测，分为

一.机器学习分类
分类问题–离散值预测，如小明学习水上运动
回归问题–连续值预测，如房价预测

二.机器学习处理问题框架
将数据集切分为训练集和测试集
通过训练集训练模型
通过测试集测试模型，给出评价指标
ex：
按照小明享受运动来理解：
100 天： 训练集
10天：测试集 （不知道是否 ” 享受运动“， 知道6个属性，来预测每一天是否享受运动）

例子：肿瘤良性，恶行于尺寸，颜色的关系
特征值：肿瘤尺寸，颜色
标记(labels)：良性/恶性
有监督学习(supervised learning)：训练集有类别标记(class label)
无监督学习(unsupervised learning)：无类别标记(class label)
半监督学习(semi-supervised learning)：有类别标记的训练集+无标记的训练集

机器学习分类 - 2

根据是否是连续值得预测，分为

一.机器学习分类
分类问题–离散值预测，如小明学习水上运动
回归问题–连续值预测&