机器学习笔记—监督学习介绍：分类与回归，泛化~过拟合与欠拟合(2)

明天开始就打数模美赛了，今天简单地介绍一下监督学习

以下都是本人在学习机器学习过程中的一些心得和笔记，仅供参考

文章目录

  • 机器学习笔记---监督学习介绍：分类与回归，泛化~过拟合与欠拟合(2)
    • 明天开始就打数模美赛了，今天简单地介绍一下监督学习
  • 1.监督学习的介绍
  • 2.分类与回归
    • 2.1分类
      • 2.1.1分类问题的目标
      • 2.1.2分类问题的种类
        • 二分类
        • 多分类
    • 2.2回归
      • 2.2.1回归问题的目标
      • 2.2.2回归问题的举例
    • 2.3区分分类问题和回归问题
  • 3.泛化~过拟合与欠拟合
    • 3.1泛化
    • 3.2过拟合与欠拟合
    • 3.3小结

1.监督学习的介绍

监督学习：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。

  • 想要根据给定输入预测某个结果，并且还有输入/输出对的示例时，即为监督学习
  • 这些输入/输出对构成了训练集，利用它来构建机器学习模型
  • 目标：对从未见过的新数据做出准确的预测

2.分类与回归

监督学习主要有两类：分别是分类与回归

接下来逐一介绍

2.1分类

2.1.1分类问题的目标

分类问题的目标是预测类别标签（class label），这些标签来自预定义的可选列表

举例来说：以鸢尾花数据集分类问题为例子，将新的鸢尾花分到三个可能的品种之一。

2.1.2分类问题的种类

分类主要可以分为二分类问题和多分类问题