1、定义:分类任务就是通过学习得到一个目标函数(target function)f,把每个属性集x映射到一个预定义的类标号y。目标函数也是分类模型(classification model)
描述性建模:分类模型作为解释性工具,用于却分不同类中的对象。
预测性建模:分类模型用于预测未知记录的类标号,给定一个对象作为输入,输出为该对象的类标号。即分类器
2、分类的学习算法:决策树分类法、基于规则的分类法、神经网络、支持向量机和朴素贝叶斯分类法
3、分类过程:训练集(training set)由类标号已知纪录组成。使用训练集建立分类模型,再对检验集(test set).分类模型的性能根据正确和错误的预测的检验记录技术进行评估,这些技术将放在混淆矩阵(confusion matriex)
准确率=正确预测数/预测总数=(f11+f00)/(f11+f10+f01+f00)