本文内容根据黑马程序员3天快速入门python机器学习所写,详情点击链接,可观看相关视频
往期链接
python机器学习(一)——机器学习的含义以及数据集的构成
1.机器学习算法分类
监督学习:
目标值:类别(例如是猫/狗)——分类问题
目标值:连续类型的数据(例如房屋的价格)——回归问题
无监督学习:
目标值:无——无监督学习
即监督学习是有目标值的(输入数据有特征有标签,即有标准答案),无监督学习是无目标值的(输入数据有特征无标签,即无标准答案)
小练习
输出他们具体问题类别:
1.预测明天的气温是多少度?
2.预测明天是阴、晴、还是雨?
3.人脸年龄预测?
4.人脸识别?
答案:1.回归 2.分类 3.回归/分类 4.分类
1.1 监督学习(预测)
- 定义:输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归),或是输出是有限个离散值(称作分类)。
- 分类:k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
- 回归:线性回归、岭回归
1.2 无监督学习
- 定义:输入数据是由输入特征值所组成
- 聚类:k-means