- 变量,定量变量,定性变量
举例:西瓜的色泽,敲声,大小等
定量:数值型变量
定性:描述型变量 - 区分数量变量,区间变量,连续变量,离散变量
数量变量——离散变量
区间变量——连续变量:可取值数目不再有限,在一定区间内任意取值。etc:人的身高 - 区分名义变量,分类变量,定序变量
定序:文盲半文盲=1,小学=2,初中=3,高中=5……(受教育程度)
名义变量:性别:男,女(认为划分的多种类别)
分类变量:有时也称为名义变量 - 什么是数据?数据和变量之间关系
关于西瓜的数据(色泽=青绿色,根蒂=蜷缩,敲声=浊响) - 什么是观测值,观测值和变量有什么关系
变量对应的值 - 模型是什么?
“从数据中学到的结果”,比如说建立一个关于预测的模型,帮助我们判断没剖开的瓜是不是“好瓜” - 构建模型的目的
遇到新的数据,,可以预测出对应的结果 - 模型是根据什么来建立的?
模型是根据已有的数据来建立的,在面对新情况时,模型会给我们提供相应的判断 - 模型是不是绝对正确?
不是。因为预测本就是一门模糊的学科,如果这个看起来像是x,那就做y操作 - 什么是因变量?什么是自变量?根据什么来确定?
- 什么是有指导学习?
训练数据拥有标记信息(即y) - 什么是回归?回归的目的?回归的具体步骤?举例说明
预测的变量是连续的,西瓜的成熟度(0.95,0.37)
目的是得到一个通过属性的线性组合来进行预测的函数
具体步骤: - 什么是分类?分类的目的?分类的步骤?
预测的变量是离散值
当前样本属于哪一个类别
步骤 - 什么是最小二乘回归?其他回归?
在回归中采用最小二乘法,即均方误差最小化来进行参数估计的方法
逻辑回归——用于两分类问题—–采用最大似然估计 - 什么是logistic回归?它是回归吗?目的是?
广义线性模型—分类学习方法 - logistic回归得到的预测结果是类吗?
不是。是一个概率值,通过拟合一个逻辑函数来预测一个事件发生的概率(【0,1】)–P值 - logistic回归的结果依赖于什么主观选择?
依赖于阙值的主观选择,一般选择0.5 - 决策树的构成?什么是决策树的节点?其构成是什么?
一个根节点,若干个内部节点,若干个叶节点。每个节点由数据构成,有一个拆分变量。 什么是分类节点
- 15.
机器学习基础
最新推荐文章于 2023-03-07 20:30:15 发布