分类和回归是机器学习中研究的两大目标。分类即预测未知数据的类别,分类模型的输出可以是离散的,也可以是连续的,一般是输出每个类别的概率,分类分为二元分类和多元分类,二元分类如逻辑回归(LR)、支持向量机(SVM),多元分类如SoftMax、决策树(ID3、C4.5、CART等三个最著名的决策树)、朴素贝叶斯等。回归是预测在未知数据上的函数值,比如预测房价、股票等,常见的回归机器学习算法有线性回归、CART回归树等。
无论回归或者分类,通常做法都是最小化损失函数,即,用来衡量预测值和真实值之间的差异,通常越小越好。分类问题中常包含,回归问题中常包含,常见的分类和回归损失函数总结如下:
一、回归问题的损失函数
回归问题中,和