监督学习之-回归于分类问题原理

一、监督学习的定义之回归问题:

 

1、我们给 “学习算法”一个数据集合，这个数据集合由 “正确答案”组成。

(什么是 “学习算法”--> 将正确的数据集进行分析，并拟合一条直线，当然也可以用二次方程 --> 曲线，来拟合数据)

（ 什么是 “正确答案”--> 例如我们有一批数据，该数据是每个地区房子的价格，这些数据是真实存在的。我们可以管这些数据叫做 “正确答案”，因为该数据知道特征：也就是价格 ）

2、假如说，你想要按照某地区，推测出房子的价格，用术语来讲就是回归问题( 试着推测出，一系列连续值的属性 )

 

二、监督学习的定义之分类问题:

 

1、我们给 “学习算法”一个数据集合，这个数据集合由 “正确答案”组成。

（ 什么是 “学习算法”--> 将正确的数据集进行分析，并拟合一条直线，当然也可以用二次方程 --> 曲线，来拟合数据）

（ 什么是 “正确答案”--> 现在我们有10个肿瘤样本，x轴为大小,y轴0为良性，1为恶性，因为该数据知道特征，也就是肿瘤大小，所以是正确答案 ）

2、假如说，你想要试着 “推测出离散值”:0或1，来判断某位朋友患肿瘤良性还是恶性的概率，根据的是该朋友肿瘤的大小来判断，这就是分类问题

 

3、支持向量机: 上面是根据肿瘤的大小来判断良性和恶性的概率，但想让推断结果更加合理，需要更多的特征。例如:age,，肿瘤密度等，但存储大量的特征数据，内存肯定不够。（ 因此要用到向量机-->里面有一个巧妙的数学技巧，能让计算机处理无限多个特征，想象一下，我没有写下这些个肿瘤特征，而是在一个无限长的列表里，一直不停的写，写下无限多个特征，事实上，我们能用算法来处理他们 ）