机器学习经典算法：机器学习的概念

正文

输入数据集

数据采集表组织格式:

样本特征 可以是有明确语义的(如细胞表达的基因就是描述细胞的特征)；也可以是非常抽象的(如图像识别时候图像的每个像素点就可以看作描述图像的特征，28*28的图像就有784个特征)。
特征空间(feature sapce)：样本对象的本质是测量特征所组成的空间中的一个点。
分类任务 的本质就是在特征空间的切分

学习算法的输出结果极大程度依赖数据的输入特征可靠性。

有监督机器学习的主要任务

• 分类任务
  ① 二分类(二选一任务[0/1])，现实中大部分任务都是典型的分类任务；
  ② 多分类(多选一任务)，数字识别、图像识别、评级…；多分类任务可以与二分类任务进行转换；
  ③ 多标签分类，如识对一张图像内的人、物都进行判别，从而综合这些信息对图片传达的语义进行判断；
• 回归任务
  该类任务的结果输出是一个连续数值，而非一个类别。如果判断根据房屋所在环境判断其价格；

在算法上，有些仅用于回归问题或分类问题，也有存在能同时解决这两类问题的。

机器学习算法分类

• 监督学习：输入的训练数据集带有分类“标签”或者“答案”。
  k近邻、线性回归和多项式回归、逻辑回归、SVM、决策树和随机森林

• 非监督学习：输入的训练数据集不带有"标记"。通常用于