分类与回归是监督式学习的两种主要形式.
监督式学习是指算法尝试使用有标签的训练数据(也就是已知结果的数据点,
通俗点讲,对于f(x) = y,已知点(x1,y1),(x2,y2),,, ,求出一个近似函数,并用近似
函数,用已知的x类预测y),根据对象的特征预测结果.
分类和回归的区别在于预测的变量的类型;在分类中,预测的变量是离散的(也就是
在一个有限集中的值,叫做类别),如区分右键的种类;在回归中,预测的变量是连续的,
,如根据年龄和体重预测一个人的身高.
分类与回归是监督式学习的两种主要形式.
监督式学习是指算法尝试使用有标签的训练数据(也就是已知结果的数据点,
通俗点讲,对于f(x) = y,已知点(x1,y1),(x2,y2),,, ,求出一个近似函数,并用近似
函数,用已知的x类预测y),根据对象的特征预测结果.
分类和回归的区别在于预测的变量的类型;在分类中,预测的变量是离散的(也就是
在一个有限集中的值,叫做类别),如区分右键的种类;在回归中,预测的变量是连续的,
,如根据年龄和体重预测一个人的身高.