应用机器学习 Applied Machine Learning (AML) ppt2

分类 classification

在目前的机器学习工作中，最常见的三种任务就是：

1. 回归分析

2. 分类分析

3. 聚类分析

什么是「分类」

虽然我们人类都不喜欢被分类，被贴标签，但数据研究的基础正是给数据“贴标签”进行分类。类别分得越精准，我们得到的结果就越有价值。

分类是一个有监督的学习过程，目标数据库中有哪些类别是已知的，分类过程需要做的就是把每一条记录归到对应的类别之中。由于必须事先知道各个类别的信息，并且所有待分类的数据条目都默认有对应的类别。

分类分为两种：

1. 二元分类：当我们必须将给定数据分类为 2 个不同的类时。示例——根据一个人的特定健康状况，我们必须确定该人是否患有某种疾病。

2. 多类分类：类的数量超过2。例如——根据不同种类的花的数据，我们必须确定我们的观察属于哪个种类。

区分「聚类」与「分类」

分类的目的是为了确定一个点的类别，具体有哪些类别是已知的，常用的算法是 KNN (k-nearest neighbors algorithm)，是一种有监督学习。聚类的目的是将一系列点分成若干类，事先是没有类别的，常用的算法是 K-Means 算法，是一种无监督学习。

两者也有共同点，那就是它们都包含这样一个过程：对于想要分析的目标点，都会在数据集中寻找离它最近的点，即二者都用到了 NN (Nears Neighbor) 算法。

一维分类问题 1D Classifcation Problem

 

本例子中一共有8条数据，每条数据格式（花瓣长度，类别）。不难看出第一类花花瓣都小于4cm，第二类花花瓣都大于4cm。机器学习模型也会学到这个特征，进行预测。

对于连续的特征，一个明