文件名称：机器学习实战之分类算法.pdf
文件大小：1.28MB
文件格式：PDF
更新时间：2024-01-16 06:05:43
机器学习 分类算法
机器学习实战之分类算法，机器学习就是将无序的数据转化为有用的信息。一个实例有 n 个特征，由 n 列组 成。机器学习最主要的任务就是分类，另一个就是回归，回归中比较典型的就是 线性拟合。分类和回归都属于监督学习，因为这类算法必须知道要预测什么，即 已知目标变量的分类信息。与监督学习对应的是无监督学习，此时数据没有类别 信息，也不会给定目标值，将数据集合分成由类似的对象组成的多个类的过程叫 做聚类。将描述数据统计值的过程称之为密度估计。分类首先要进行训练，训练 样本集必须确定目标变量的值，以便发现特征与目标变量之间的关系。特征或者 属性通常是训练样本集的列，他们是独立测量得到的结果，多个特征联系