摘要:
机器学习中的分类和回归是两种主要的预测建模任务,它们分别处理不同类型的输出变量。 分类(Classification): 定义: 分类是一种监督学习任务,其目标是将输入数据映射到预定义的类别中。在分类问题中,模型的输出是一个离散的类别标签。 例子: 例如,垃圾邮件过滤是一个二分类问题,其中模型需要将 阅读全文
posted @ 2023-11-15 16:41
王哲MGG_AI
阅读(487)
评论(0)
推荐(0)
摘要:
机器学习中的分类器可以大致分为线性分类器和非线性分类器,它们在处理数据时有一些基本的区别。 线性分类器: 决策边界: 线性决策边界: 线性分类器假设数据可以通过一个超平面(在二维空间中是一条直线)来划分成不同的类别。例如,对于二分类问题,可以用一条直线将两个类别分开。 模型形式: 线性分类器的模型通 阅读全文
posted @ 2023-11-15 16:35
王哲MGG_AI
阅读(394)
评论(0)
推荐(0)
摘要:
统计学和机器学习在处理数据和模型时的侧重点确实有一些区别,其中涉及到低维和高维空间的问题。 统计学强调低维空间问题的统计推导: 统计学通常关注的是从一组有限样本中获得总体特征的推断。在传统统计学中,数据通常被认为是在低维空间中采样的,即特征的数量相对较少。例如,在古典统计中,可能会考虑一些变量对某个 阅读全文
posted @ 2023-11-15 16:32
王哲MGG_AI
阅读(49)
评论(0)
推荐(0)

浙公网安备 33010602011771号