机器学习算法基础概览

机器学习算法

基础部分

• 建模之前，我们可以把数据分为三个部分

 训练集
 验证集
 测试集

• 训练集(train)用来训练，构建模型
• 验证集是用来在模型训练阶段测试模型好坏
• 等模型训练好后，再用测试集(test)来评估模型好坏

有时候，我们会偷懒直接分成训练集和测试集

监督学习

• 训练带有标签的数据集就是监督学习
  如下
  
• 比如 3 和 dog就是标签，标签可以理解为类别
• 一般用来分类

无监督学习

• 不含有标签的数据集
• 一般用来聚类，因为没有标签(类别)，所以需要聚类成一个类别
  
• 比如要为上面的圈圈分两个类别，即聚成两个类

半监督学习

• 用的比较少
• 介于监督学习和无监督学习之间

应用类别

回归

分类(带有标签的，一般属于监督学习)

• 垃圾邮箱分类
• 文本分类
• 图像识别(手写体识别)

聚类

• 无标签
  下面是用聚类算法分成3个类别
  

总结

• 回归：预测数据是连续型数值
• 分类：预测数据是类别型(离散)数值，并且类别已知
• 聚类：预测数据是类别型数值，并且类别未知