机器学习分类 #博学谷IT学习技术支持#

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

 

文章目录

前言

一、监督学习

1.1分类问题

1.2回归问题

 

总结

---

 

 

---

前言

随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的分类。

---

一、监督学习

监督学习指的是人们给机器一大堆标记好的数据，比如：

• 一大堆照片，标记出哪些是猫的照片，哪些是狗的照片
• 让机器自己学习归纳出算法或模型
• 使用该算法或模型判断出其他没有标记的照片是否是猫或狗
• 监督学习典型模型：Linear regression 线性回归、Logistic regression  罗切斯特回归、SVM  支持向量机 、Neural network 神经网络 等

1.1分类问题

• 是监督学习的一个核心问题 。在监督学习中：

• 当输出变量Y取有限个离散值时，预测问题便成了分类问题，比如预测一封邮件是否为垃圾邮件，顾客买不买东西 ，等等
• 监督学习从数据中学习一个分类模型或分类决策函数，称为分类器（classifer）
• 分类器对新的输入进行输出的预测（prediction），称为分类（classification）

1. 在学习过程中，根据已知的训练数据集利用有效的学习方法学习一个分类器
2. 在分类的过程中，利用学习的分类器对新的输入实例进行分类。

• 输出变量为有限个离散值的情况称为分类问题（classification）
• 如果类别为正类或负类的时候，这个是一个二分类问题
• 如果类别是一个多类别的时候，这就是一个多分类问题

1.2回归问题

        另一类监督学习方法针对连续型输出变量进行预测，也就是所谓的回归分析（regression analysis）。回归分析中，数据中会给出大量的自变量和相应的连续因变量（对应输出结果），通过尝试寻找自变量和因变量的关系，就能够预测输出变量。

比如生活中常见的房价问题：

• 横轴代表房屋面积，纵轴代表房屋的售价
• 我们可以画出图示中的数据点，再根据使得各点到直线的距离的平均平方距离的最小，从而绘制出下图的拟合直线
• 根据生活常识随着房屋面积的增加，房价也会增长

 

---

总结

以上是对机器学习的分类和回归问题的概述，如果问题，欢迎交流，谢谢大家