7、机器学习基础：分类、无监督学习与鸢尾花项目实战

机器学习基础：分类、无监督学习与鸢尾花项目实战

1. 分类机器学习模型

分类模型可用于非结构化和结构化数据，其主要目的是将数据分类到指定的类别中，并确定新数据所属的类别。

1.1 相关术语

• 分类器（Classifier） ：将输入数据映射到类别的算法。
• 分类模型（Classification Model） ：一种机器学习模型，通过输入值进行训练，并尝试从中得出结论，用于预测新数据的类别和标签。
• 特征（Features） ：观察现象的单个属性，这些属性是可测量的。
• 二元分类（Binary Classification） ：有两个可能结果的分类任务，例如性别分类（男/女）。
• 多类分类（Multi - class Classification） ：有两个或更多类别的分类，每个样本仅分配一个目标标签，如昆虫只能是苍蝇或蜘蛛，不能同时是两者。
• 多标签分类（Multi - label Classification） ：样本分别映射到多个目标标签集的分类，例如新闻文章可以同时涉及人物、地点和活动。

1.2 构建分类模型的步骤

1. 初始化分类器 ：选择要使用的分类器并进行初始化。
2. 训练分类器