回歸任務
回歸是對已有的資料樣本點進行擬合，再根據擬合出來的函式，對未來進行**。回歸資料是連續的值，比如商品**走勢的**就是回歸任務。
分類任務
分類需要先找到資料樣本點中的分界線，再根據分界線對新資料進行分類，分類資料是離散的值，比如識別、情感分析等領域會經常用到分類任務。
聚類任務
聚類是根據樣本之間的相似度，將一批資料劃分為n個組。比如使用者分組、異常值檢測等領域會用到聚類任務。
使用者分組比較好理解，那異常值檢測為什麼會用到聚類呢？因為實際場景中，如果某個樣本點，離所有分類組的距離都很遠，不屬於任何乙個組，我們則會將其看做是乙個「異常值」。
降維任務
降維是減少資料的維度，對資料進行降噪、去冗餘，方便計算和訓練；
如資料預處理，減少一些對模型準確率影響很小維度，可以提高計算效率。再如圖表視覺化，我們進行資料分析時，通常會將高維模型降為三維或二維圖表，便於直觀分析。
機器學習之 分類 聚類 回歸
一 分類 有監督學習的兩大應用之一，產生離散的結果。分類方法是一種對離散型隨機變數建模或 的監督學習演算法。從機器學習的觀點，分類技術是一種有指導的學習，即每個訓練樣本的資料物件已經有類標識，通過學習可以形成表達資料物件與類標識間對應的知識。要構造分類器，需要有乙個訓練樣本資料集作為輸入。訓練集由一...
機器學習（四） Logistic回歸分類
logistic回歸是眾多分類演算法中的一員。通常，logistic回歸用於二分類問題，例如 明天是否會下雨。當然它也可以用於多分類問題，不過為了簡單起見，本文暫先討論二分類問題。首先，讓我們來了解一下，什麼是logistic回歸。1 logistic回歸 相當於sigmoid 函式 假設現在有一些...
整合學習 上 機器學習中的三大任務
toc 整合學習 上 task1 機器學習中的三大任務 機器學習的主要的目標就是用數學模型來理解資料，發現資料中的規律，通過發現發現的規律用作資料的分析和 根據資料集是否有因變數，機器學習的任務主要是可以分為 有監督學習和無監督學習 其中有監督學習主要是分為 回歸和分類 返回乙個類似於字典的類 中通...