1.8 KiB
1.8 KiB
title | localeTitle |
---|---|
Supervised Learning | 监督学习 |
监督学习
在有监督的学习中,我们知道正确的输出应该是什么。监督学习问题可以分为回归和分类。回归问题是将输入映射到连续输出的位置。相反,分类问题是将输入映射(分组)到离散类别的位置。
回归
根据有关二手车的数据,例如里程数,您可以预测其市场价格。由于价格是一个连续变量,这是一个回归问题。在另一个例子中,微软发布了一个基于图片预测年龄的网络应用程序。同样,由于年龄是连续的而不是离散的或绝对的,这也是一个回归问题。
分类
上述回归问题可以转化为分类问题。假设您想要寻找低于X美元的二手车。然后输出将是二手车适合您设定的价格。同样,如果我们想要预测提交的图片是否属于18岁以下的人,年龄预测可能是一个分类问题,因此不应该被允许购买卷烟。
讨论要点:
- 有监督学习有什么特别之处?
- 在什么情况下你会使用它?
- 需要注意的警告或陷阱?
- 什么是示例模型?
例1:
鉴于有关房地产市场房屋面积的数据,请尝试预测房价。
作为大小函数的价格是连续输出,因此这是一个回归问题。
例2:
(a)回归 - 对于连续响应值。例如,给定一个人的照片,我们必须根据给定的图片预测他们的年龄
(b)分类 - 对于分类响应值,其中数据可以分成特定的“类”。例如,对于患有肿瘤的患者,我们必须预测肿瘤是恶性的还是良性的。