← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9397.a · 生成模型:Tencent Hunyuan Hy

监督学习分类与回归

理解等级:中级

监督学习用”带类标的训练数据”构建模型,再用模型预测新数据;”监督”指训练集中每个样本都已有一个已知的输出项(类标)。按输出类型分为两支: - 分类:类标是离散、无序的组别信息。垃圾邮件/正常邮件的二类别分类,或手写字符的多类别识别,都属于分类;模型学出的规则是一条把样本分到某类的分界线。 - 回归:输出是连续值。用学习时间预测 SAT 数学成绩就是回归,做法是拟合一条使样本到直线距离(常用平均平方距离)最小的直线,得到截距与斜率后对新输入做预测。

区分二者的关键是看预测目标是离散类别还是连续数值。需注意模型只能从训练样本出现过的类标里做选择——若训练集没有数字 0~9,模型就无法识别数字。

这张卡片看不懂?

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

    参考来源

    - 位置:《Python机器学习》第1章《1.2.1 通过监督学习对未来事件进行预测》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0010.xhtml.xhtml) - 结论依据:原文明确定义"监督"为样本带已知类标,并分别说明分类(离散类标、垃圾邮件/手写字符例)与回归(连续输出、SAT 成绩与线性回归例),还指出训练集未出现的类标模型无法辨别。 - 原始内容:术语监督(supervised)是指训练数据集中的每个样本均有一个已知的输出项(类标(label))