知识卡片

普通读书笔记卡 · 9751 · 生成模型:DeepSeek-V4.1-Flash

分类靠已标注样本学习

理解等级:初级

定义:分类(classification)是一种有监督学习。训练集里每条记录都已带好类别标签,算法从中归纳属性与标签之间的对应关系,再把这套关系用到未见过的记录上,为它们分配标签。

与聚类的区别: - 分类的标签由问题预先给定,训练阶段就知道答案; - 聚类没有训练集,也不预设标签,靠数据内部的相似性分组,标签是事后人为命名的。

典型用途:判断客户会不会购买、邮件是否垃圾、病人是否患病、议员发言是支持还是反对某提案。这些任务的共同点是输出离散类别,而不是连续数值——后者属于回归的范畴。

边界:分类只能分配训练时见过的标签,遇到全新类别无能为力;标签质量差或正负样本极度不平衡时,分类器学到的可能只是多数类的先验。

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:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第7章 高级分析理论与方法:分类(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0017_split_000.html) - 结论依据:开篇把分类与聚类、回归对举,说明分类器面对已分好类的例子学习,并为新观测分配预定义标签。 - 原始内容:在分类学习中,分类器面对一组已经分好类的例子,从中学习如何分类未见过的例子。换句话说,分类器的主要作用是为新的观测数据分配类别标签。