ligengdipan的专栏

【分类】就是通过学习得到一个目标函数（通常也称作分类模型，即分类器），借助分类器将未知类别的数据对象映射到某一个给定的类别中。分类和回归都可以用于预测。分类的目标属性（因变量）是离散属性（名词型），而回归的目标属性（因变量）是连续属性（数值型）。 分类和聚类的区别在于，分类要求训练集必须给定类别标签，同时构建的分类器可以用于预测，而聚类用于对于未知类别的样本进行训练，发现相似群体，并人工根据群体特...

【回归】就是用属性的历史数据预测未来的趋势。回归首先假设一些已知类型的函数可以拟合目标数据，然后利用某种误差分析确定一个与目标数据拟合程度最好的函数。回归模式的函数定义与分类模型相似，主要差别在于分类模型采取离散预测值（例如类标号），而回归模式采取采取的预测值。回归算法在解决实际问题时经常会把数据拆分为两个数据集：训练数据集、测试数据集。通过数据挖掘算法对训练数据集进行建模，寻找X和Y之间...

聚类分析：目标是通过对无标记训练样本的学习，揭示数据内在的规律及性质。KMeansK-Means聚类算法适用于对球形簇分布的数据聚类分析，其可应用于客户细分、市场细分等分析场景。该算法对空间需求及时间需求均是适度的，另外算法收敛速度很快。算法难以发现非球形簇，且对噪声及孤立点较为敏感模糊C均值模糊聚类分析作为无监督机器学习的主要技术之一，是用模糊理论对重要数据分析和建模的方法。建立...