标称型和数值型（连续型）的区别

在监督学习（supervised learning）的过程中，只需要给定输入样本集，机器就可以从中推演出指定目标变量的可能结果。监督学习相对比较简单，机器只需从输入数据中预测合适的模型，并从中计算出目标变量的结果。之所以叫监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息。

监督学习一般使用两种类型的目标变量：标称型和数值型

标称型：标称型目标变量的结果只在有限目标集中取值，比如真与假(标称型目标变量主要用于分类)

数值型（连续型）：数值型目标变量则可以从无限的数值集合中取值，如0.555，666.666等 (数值型目标变量主要用于回归分析)

主要就说明有例外，好比k-近邻算法，他是监督学习的算法，但是数据可以是数值型，也可以是标称型。

标称型和数值型（连续型）的区别相关推荐

标称型数据和数值型数据_2017-12-9 机器学习(4)-标称型和数值型
[标称型数据和数值型数据] 监督学习一般使用两种类型的目标变量:标称型和数值型标称型:一般在有限的数据中取,而且只存在'是'和'否'两种不同的结果(一般用于分类) 数值型:可以在无限的数据中取,而且 ...
标称型和数值型的区别
在监督学习(supervised learning)的过程中,只需要给定输入样本集,机器就可以从中推演出指定目标变量的可能结果.监督学习相对比较简单,机器只需从输入数据中预测合适的模型,并从中计算出目 ...
机器学习标称型和数值型概念
参考: <Machine Learning in Action>第一部分分类 ###################################################### ...
pandas判断标称型和数值型特征数据
现已使用Pandas读取数据集studentmath.csv加粗样式请获取该数据集各个特征的数据类型,将标称型特征存为nominal_array,数值型特征存为numerical_array 要求: ...
机器学习标称型和数值型目标变量
标称型1 结果只在有限目标集中取值,如真假.动物分类集合{爬行类.鱼类.哺乳类.两栖类} 主要用于分类数值型可以从无限的数据集中取值,如0.2,0.8,1.2,30... 主要用于回归 Refer ...
概率，随机变量，离散型连续型，边缘分布
引入今天做一道题,已知联合分布函数求边缘密度函数,这个二维随机变量是符合均匀分布的,并且给出了X,Y区间也就是分布区域D,这道题解题思路很简单,因为有公式可以套解题思路: 首先根据二维随机变量均匀 ...
【概率论】随机试验、随机变量、离散型/连续型随机变量
1. 随机试验满足以下3个条件的试验可以称为随机试验: 相同条件下可重复试验结果明确可知且不只一个试验前不知道哪个结果会发生例如:我们平时做的抛硬币.掷骰子试验都是随机试验.以抛硬币试验为例: ...
机器学习学习笔记 --- 标称型数据和数值型数据
[标称型数据和数值型数据] 监督学习一般使用两种类型的目标变量:标称型和数值型标称型:一般在有限的数据中取,而且只存在'是'和'否'两种不同的结果(一般用于分类) 数值型:可以在无限的数据中取,而且 ...
标称型数据和数值型数据_数据的来源与类型以及数据的特征抽取
数据的来源与类型大部分的数据都来自已有的数据库,如果没有的话也可以交给很多爬虫工程师去采集,来提供.也可以来自平时的记录,反正数据无处不在,大都是可用的. 数据的类型按照机器学习的数据分类我们可以 ...

标称型和数值型（连续型）的区别

标称型和数值型（连续型）的区别相关推荐

最新文章

热门文章