【08-Scikit-learn中的监督学习基础：分类与回归简介】

---

前言

  监督学习是机器学习中最常见的任务类型之一，它包括了分类和回归两大类问题。在这篇博文中，我们将深入探讨使用Python中的Scikit-learn库来解决这些问题的基础知识。

监督学习概述

  在监督学习中，我们训练一个模型来学习输入（特征）与输出（标签）之间的关系。"监督"一词意味着我们使用一组已知标签的样本来指导模型的学习过程。

分类 vs. 回归

• 分类：当输出变量是类别时（如“是”或“否”），问题就是分类问题。分类可以是二元的（如垃圾邮件检测）或多元的（如图像识别）。
• 回归：当输出变量是一个连续的数值时（如房价），问题就是回归问题。

使用Scikit-learn解决分类问题

Scikit-learn提供了多种分类算法，如逻辑回归、支持向量机、决策树等。这里以最简单的k-最近邻（k-NN）分类器为例进行说明。

k-最近邻（k-NN）分类器

k-NN算法通过查找测试数据点的k个最近邻居来进行分类，"最近"是通过某种距离度量（通常是欧几里得距离）来定义的。

from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris