分类任务的一些现实思考

1、垃圾短信检测思考

就是如何去判断收到的信息为垃圾信息

实现的思路：
①收集一些样本，告诉计算机哪些是垃圾信息
样本即就是你收到的垃圾短信里的内容，而垃圾信息我们可以给个标签，比如0、1，0表示垃圾信息，1表示不是垃圾信息，那么这些数据它就会有个正确结果的标签，即是监督学习。

②计算机自动寻找垃圾信息共同特征

共同特征，例如：发件人、是否群发、网址、元、赢、微信、免费等字眼，像发件人姓名非常怪异的、设计奇奇怪怪的网址、谈及金钱等，我相信大部分人都会收到过，大家可以对比。

③在新信息中检测中，会根据所记忆的垃圾信息特征内容， 判断其是否为垃圾邮件

那么，我们首先收到了短信中，判断是否是垃圾信息，就会依据特征标准去判断

2、图像识别思考

比如我有水果的图片，我把它们都贴上标签，即它们的名字

然后我再拿出一个新的图片，即上面都没有的

那么预测时就会根据第一个图提取的特征去匹配，如果匹配成功，那么它就会贴上相同的标签，那么预测结果就是橙子

3、手写数字识别思考

大家可参考这个网站http://yann.lecun.com/exdb/lenet/，可以查看数字的一些识别

4、股票涨跌预测思考

判断每只股票接下来 一段时间会上涨，还是下跌，然后就可以判断某个时间点上涨概率比较高的进行买入，下跌的进行卖出。

5、分类预测实现过程思考

根据数据类别与部分特征信息，自动寻找类别与特征信息的关系， 判断一个新的样本属于哪种类别。例如垃圾信息和非垃圾信息、股票涨和股票跌

特征信息

按行来看，每一行代表一个样本，以图片来举例，每一行代表一张图片，总共就有m张的图片，按列来看就是不同维度的信息，每一列就代表的是同一类的信息，比如从短信的例子来看，第一列就可能代表有没有敏感词的信息，第二列来看就可能代表是否有发件人异常的信息等，相当于就有n个属性，即就是m个样本n个属性的特征信息。

数据类别
对应的就是输出的什么类别的结果，比如识别垃圾短信的例子，就可分成0和1，0可以说正常，1是垃圾信息，那么每一个y都会是0和1其中一个数。

寻找关系

接着上面的例子，把数据类别给入到计算机，就会去寻找输入的特征信息和数据类别之间会有什么样的关系，根据y最后的输出0还是1就回去判断类别是垃圾信息还是正常信息。

6、实现的具体方法

逻辑回归方程

朴素贝叶斯

决策树

knn近邻模型

7、区分回归任务和分类任务

例子：股价预测

回归：
如果是回归任务，对应的是连续性数值预测
比如想预测明天的股价，它可能就是一个范围，如在[100,125]之间的任何一个数都有可能的
模型输出：连续型数值 (明天股价预测为：125.1）

分类：

非连续性判断类别
比如单纯预测股价是上涨还是下跌，就只有两种可能，就是一个非连续性的结构类别判断。

模型输出：非连续型标签 （明天股价预测为：上涨)