1.分类问题
很不幸,你的一个女性朋友检测出了肿瘤,并且你现在是一个无家可归的
人你急需赚钱,那么你的朋友迫切想知道预测它的肿瘤是良性还是恶性。
对于肿瘤来说,我们可以先简单的假设只有恶性和良性两种,我们用1代表
良性,0代表恶性,那么我们看看下面的图像.(数据是假设的)
这是一个分类问题,我们已经可以感觉到,而且但并不意味着我们的
输出值只有2个,我们可以有多个输出值,例如3可以代表是那种肿瘤,
这也是分类问题。当然我们还有其他的绘图方式,我们还可以将年龄也
加入。
在其它一些机器学习问题中,可能会遇到不止一种特征。举个例子,我们不仅知道肿瘤的尺寸,还知道对应患者的年龄。在其他机器学习问题中,我们通常有更多的特征,我朋友研究这个问题时,通常采用这些特征,比如肿块密度,肿瘤细胞尺寸的一致性和形状的一致性等等,还有一些其他的特征。这就是我们即将学到最有趣的学习算法之一。
接下来我们将学习无监督学习,你将初步了解无数的新闻是如何分类的,或者你的每日新闻是如何
知道你需要某些东西的,因为我们不单单只有预测肿瘤这一个问题,机器学习的领域总是吸引人的。