当我们说“分类”的时候，我们到底在说什么？

当我们说到机器学习时，一个很高频的词：“分类”，会经常出现，那当我们说“分类”的时候，我们到底在说什么？

我查了很多博客、书籍、资料，提到“分类”，马上就进入“分类算法”的介绍描述，又是KNN(K最近邻算法)，又是朴素贝叶斯等等。当然，可能是因为“分类”太常见了，所以大家都不肖一提。但对我们自己来说，要建立宏伟的“机器学习”能力大厦，一些基础的概念就好似大厦的地基，是必须稳固坚实的。

我们看一看“分类”的原始定义，根据百度百科的定义：

分类是指按照种类、等级或性质分别归类。

这个定义其实隐含有“分类”的2个重要信息：一是“按照种类、等级或性质”，意思是我们事先已经知道了“种类、等级或性质”，即我们知道要分成几类，分成哪些类。例如我们要把收到的电子邮件分类，我们分类之前已经知道要分为2类，一类是“正常邮件”，另一类是“垃圾邮件”。二是分类是个过程，例如将100封电子邮件，分别归类到“正常邮件”和“垃圾邮件”这2个类别名下。

有了这个基本认识，我们再来看一个大家容易忽视的问题：

我们为什么要分类？

先看看如果我们“不分类”有什么问题。今天你上餐馆吃饭，老板问你要吃什么菜？你说吃蔬菜。吃什么蔬菜？老板一脸茫然！你去奥特莱斯，对服务员说，给我来一件衣服。什么衣服？服务员一脸懵逼。

看到没，没有“分类”我们是无法正常生活的。

那么我们分类的目的其实就是把大量的事物细分成不同的种类，使得我们对某一个具体的事物有共同的理解和认识。例如把蔬菜分类成菠菜、小白菜、大白菜、芹菜、胡萝卜、白萝卜等等，把衣服分成外套、内衣、衬衣、短裤、长裤等等，这样我们才有正常沟通交流的基础。

当然，除了日常生活中的沟通交流，分类其实还有更多方面的考虑和应用。例如，垃圾的分类，既可以提高垃圾的回收利用水平，又可减少垃圾处理工作量。企业把客户分成大客户、优质客户、普通客户等，也是增强营销针对性、集中企业资源、发现市场机会，更好的提升企业竞争力和效益的重要手段和措施。银行把客户分成铂金用户、黄金用户、白银用户、黑名单用户等等，分别给予不同的贷款利率或理财产品，也是基于风险和利润的综合权衡。事实上，各行各业都有分类的需要和广阔的应用场景。那在机器学习中，“分类”一般用来干吗？应用场景也很多，垃圾邮件检测，人脸识别，文字识别，语音识别，医疗分析，客户分类，贷款审查等等。

所以，分类很重要。这也是为什么“分类”是机器学习领域非常核心的内容。

那具体的分类过程是怎样开展的呢？我们来举个例子：假设你是一位超市的蔬菜采购员，今天到一位农户那里采购辣椒，农户的辣椒很多，给了你10箩筐，每框大约1000个，有好有坏。你先挑第1框，挑了10分钟，挑出来400个品相好的辣椒，剩下的600个是品相不好的辣椒。这就是一个“分类”应用，你把农户的辣椒分成了品相好的和品相不好的2个种类。

注意，这个实际例子中隐含着几个非常重要的信息。首先，你靠什么判断辣椒是品相好的，还是品相不好的？那就是辣椒的特征，例如大小、颜色、光泽、表面平整度等等，也就是说，这些特征已经存储在你的大脑中，那这些特征是怎样存储在你的大脑中的，是因为你以前挑选过无数的辣椒，经历过长期的选辣椒“训练”，那些好辣椒的特征已经存储在你的大脑中。其次，你挑出一个辣椒，按照这些特征与你大脑中的品相好的辣椒进行对比，类似的就是品相好的，不类似的就是品相不好的。这就是“相似度计算”，或者叫“距离计算”。计算方法就是根据辣椒的这些特征进行综合计算，可以简单加权，可以单项决策，看你自己的大脑怎样定了，这就是“相似度计算方法”或叫“距离计算方法”。最后，什么是类似，什么是不类似？靠什么标准判断？这个标准就是你大脑中设置的“阈值”，例如相似度大于50%这个阈值，你就归到品相好的一类，相似度低于50%的阈值，你就归到品相不好的一类。

看到这里，你应该明白了这个现实场景与“机器学习”的关系了。我们再延伸一步，假设今天你带了一位实习采购员，以前从来没有采购过辣椒。你在挑这第1框1000个辣椒的时候，他在旁边看着，哪个是好辣椒，哪个是不好的辣椒。然后这一箩筐你挑完了，农户那还有9箩筐呢，你告诉实习采购员，让他去挑剩下的9箩筐。他刚刚在一旁看你挑第1框的1000个辣椒，这就是“训练”，然后他去挑剩下的9箩筐，就是“预测”，最终的效果是将9箩筐的辣椒分成了2类。如果这个实习采购员是一个机器人或电脑，这就是“机器学习”的“分类”，也可以说是“机器学习”进行了一次“分类”方面的应用。

当我们说“分类”的时候，我们到底在说什么？相关推荐

用神经网络的分类行为理解质量到底是什么？
关于神经网络的两个假设假设1:完全相同的两个对象无法被分成两类,与之对应的分类迭代次数为无穷大,分类准确率是50%,50%.在不同的训练集之间,相等收敛标准下迭代次数越大表明两个分类对象差异越小. ...
神经网络的分类准确率是100%到底意味着什么？
(A,B)---n*m*2---(1,0)(0,1) 做一个网络分类A和B,随着迭代次数的增加A与B的分类准确率会不断的增加并无限的接近或达到100%.所以是否有一个物理过程与这个现象相对应? 先引入 ...
用户运营的核心本质是什么？分级、分类、分阶段
---- / BEGIN / ---- 长久以来,人们对于用户运营这个岗位有诸多的看法和误解,甚至有过些许争论. 比如: 有的人认为:促进产品的用户增长.留存.活跃,都是用户运营工作的范畴内--这样想 ...
数据中台为什么要建标签体系，分类它不香吗？
数据中台为什么要建标签体系,分类它不香吗? 在众多的数据中台的解决方案中,一个叫做"标签中心"或"标签体系"的应用,几乎成了数据中台的"标配" ...
特征提取 notes
特征获取从N个特征集合中选择M个特征的子集, 并满足M<=N 1, 特征提取:是一种变换,将处于高位空间的样本通过映射或变换的方式转换到低维空间,达到降维目的 2, 特 ...
GBDT（回归树）原理详解与python代码实现
GBDT算法 1.算法原理 2.对数据的要求 3.算法的优缺点 4.算法需要注意的点 5.python代码实现(待更......) 导入相关包读取数据并预处理训练及评估 1.算法原理步骤: 1. ...
Python数据挖掘与机器学习，快速掌握聚类算法和关联分析
摘要:前文数据挖掘与机器学习技术入门实战与大家分享了分类算法,在本文中将为大家介绍聚类算法和关联分析问题.分类算法与聚类到底有何区别?聚类方法应在怎样的场景下使用?如何使用关联分析算法解决个性化推荐问 ...
20210510_AI方面常见试题
记录下自己开始学AI方面的一些日常习题目录第一天_2021.5.10 1,为什么要对特征做归一化 2,什么是组合特征?如何处理高维组合特征? 3,请比较欧式距离与曼哈顿距离? 4,为什么一些场景中 ...
（五）不只是 huohuo 的 JS 面试题
写过最多的是 JS 相关的文章,做过最完整的是 JS 的思维导图,敲过最多的依然是 JS 代码,我觉得自己的 JS 还算可以了.写到这里的时候,我已经离职一周,也参加了几次面试,大多数问题都能按自己的 ...
手机淘宝构架演化实践及优化，天猫，淘宝服务
> 天猫App 安全模式:天猫App启动保护实践- https://mp.weixin.qq.com/s?__biz=MzUxMzcxMzE5Ng==&mid=2247488429&am ...

当我们说“分类”的时候，我们到底在说什么？

当我们说“分类”的时候，我们到底在说什么？相关推荐

最新文章

热门文章