什么是回归问题和分类问题?机器学习知识点
2023-09-14 09:15:08 时间
回归问题和分类问题是机器学习中两种最常见的预测问题类型。
什么是回归问题和分类问题?
回归问题是指给定输入变量(特征)和一个连续的输出变量(标签),建立一个函数来预测输出变量的值。换句话说,回归问题的目标是预测一个连续的输出值,例如预测房价、股票价格、销售额等。回归问题通常使用回归分析技术,例如线性回归、多项式回归、决策树回归等。
分类问题是指给定输入变量(特征)和一个离散的输出变量(标签),建立一个函数来预测输出变量的类别。换句话说,分类问题的目标是预测一个离散的输出值,例如将一张图片分为猫和狗、预测一个电子邮件是垃圾邮件还是正常邮件等。分类问题通常使用分类算法,例如逻辑回归、支持向量机、决策树分类等。
回归问题和分类问题的区别在于输出变量的类型。回归问题的输出变量是连续的,而分类问题的输出变量是离散的。在机器学习中,通常需要根据任务的要求选择合适的算法和评估指标来解决回归或分类问题。
免费分享一些我整理的人工智能学习资料给大家,整理了很久,非常全面。包括一些人工智能基础入门视频+AI常用框架实战视频、计算机视觉、机器学习、图像识别、NLP、OpenCV、YOLO、pytorch、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文等。
下面是部分截图,点击文末名片关注我的公众号【AI技术星球】发送暗号 321 领取(一定要发暗号 321)
目录
一、人工智能免费视频课程和项目
二、人工智能必读书籍
三、人工智能论文合集
四、机器学习+计算机视觉基础算法教程
五、深度学习机器学习速查表(共26张)
学好人工智能,要多看书,多动手,多实践,要想提高自己的水平,一定要学会沉下心来慢慢的系统学习,最终才能有所收获。
点击下方名片,扫码关注公众号【AI技术星球】发送暗号 321 免费领取文中资料。
相关文章
- Coursera台大机器学习技法课程笔记12-Neural Network
- 机器学习笔记 - 特征分解
- 机器学习笔记 - 使用Keras和深度学习进行乳腺癌分类
- 机器学习笔记 - 基于Torch Hub的VGG和ResNet
- 机器学习笔记 - 机器学习中的聚类算法
- 【原创】机器学习之PageRank算法应用与C#实现(2)球队排名应用与C#代码
- ML:MLOps系列讲解之《设计机器学习驱动的(ML-powered)软件—我们想要解决的业务问题是什么?》解读
- ML&DL:《Hyperparameter tuning for machine learning models机器学习模型的超参数调优》翻译与解读
- 机器学习-时间序列(四):单变量时间序列的神经网(LSTM)
- 机器学习(四十三):使用粒子群优化进化神经网络
- 机器学习(二十五):机器学习可视化利器-Yellowbrick
- 探索五大机器学习技术及其应用
- 3w+深度盘点:机器学习面试知识点梳理!
- 机器学习的实用程序
- 数学之路-python计算实战(16)-机器视觉-滤波去噪(邻域平均法滤波)
- 【2021年更新】面向通信技术的机器学习和深度学习文献汇总