机器学习中的监督学习应用主要为分类与回归。
分类
在分类任务中,模型的目标是将输入数据分为预定义的类别或标签。分类问题通常是离散型的,输出是有限个类别中的一个。比如将人区分为男生和女生就是一个简单的二分类问题。
常用的分类算法有:KNN、逻辑回归、决策树、SVM:SVC、朴素贝叶斯,决策树等
回归
在回归任务中,模型的目标是预测一个连续型的数值输出,而不是离散的类别。比如预测明天的气温,就是一个连续型的数值输出,在比如预测某地区的房价,也是回归问题。
常见的回归机器学习算法有:线性回归、SVM:SVR、决策树等。
区分分类任务和回归任务:
输出是否具有某种连续性,如果在可能的结果之间具有连续性,那么它就是一个回归问题。
(
1
)输出不同
分类:输出的是物体所属的类别
,输出是
离散的(有限的)
回归:输出的是具体的值
,输出是
连续的(房价预测,概率问题)
(
2
)目的不同
分类:如寻找决策面
回归:如寻找最优拟合曲线