第一章 1. 4 分类问题的简单示例

第一章 开启数据挖掘之旅

1.4 分类问题的简单示例

1.4.1 什么是分类？

首先，介绍类别的概念，下面是两个类别。

“图像里有狗吗？”      二值问题

“植物属于哪个种类？”   非二值问题

 

根据已知类别的数据集，经过训练得到一个分类模型，再用模型对类别未知的数据进行分类。

例子：用自己标注的邮件数据进行训练，得到一个能进行垃圾邮件过滤的分类模型。

 

在这里介绍特征值和类别的取值类型

特征值是连续的（花萼的长度1.1cm和1.2cm），且相近的值，表示相近度很大（意味着他们可以被同等对待）。

类别的取值是离散的，0、1、2分别代表不同的植物类型，且相近的值的类型并没有相近度（0、1与0、2并不表示0和1的有相似之处，也不意味0、2完全不相似）。

 

 

特征值的离散化：

确定一个阈值，大于该阈值的特征值为1；反之为0

（在这里我们去特征值的均值为阈值）

1.4.2 案例

Iris植物分类数据集，scikit-learn库内置了这个数据集。根据植物的特征推测它的