知识卡片
标签特征与边界分担职责
标签是要预测的类别,特征是预测时能获得的输入。决策边界把特征空间划分为类别区域,未必是一条直线,也不必只有一条边界。特征变换可帮助表达复杂区域,但“核方法几乎无成本”不能作为一般复杂度保证。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 分类:垃圾过滤 第3章 分类:垃圾过滤 · 查看原书依据
一个标签,也称为一个类别或类型;一系列用于描述样例的可测量变量。我们把这些可测量的变量叫做特征或预测变量(predictor)。比如,此前处理的身高和体重数据就是我们用于猜测“男性”和“女性”标签的特征。 分类的例子比比皆是: ·根据给定的乳房X射线图,判断病人是否患有乳腺癌?
参考来源
- 位置:《机器学习:实用案例解析》第03章《第3章 分类:垃圾过滤》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3091.html,spine3197)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:一个标签,也称为一个类别或类型;一系列用于描述样例的可测量变量。我们把这些可测量的变量叫做特征或预测变量(predictor)。比如,此前处理的身高和体重数据就是我们用于猜测“男性”和“女性”标签的特征。 分类的例子比比皆是: ·根据给定的乳房X射线图,判断病人是否患有乳腺癌?