HCIE-BigData学习笔记-数据挖掘预测建模概念

分类和回归是预测问题的两种主要类型，分类的输出是离散的类别值， 而回归的输出是连续数值。

分类构造一个模型或分类器（Classifer）来预测类标号。
数据分类是一个两阶段过程：

• 学习阶段：建立描述预先定义的数据类或概念集的分类器。
  分类算法通过分析或从训练集“学习”来构造分类器。
  若训练集中每个训练元组的均有类标号，这一阶段也称为监督学习；
  若训练集中每个训练元组都没有类标号，称为无监督学习；
  若训练集中的训练元组既有包含类标号也有没有类标号的，称为半监督学习。
• 分类阶段：使用模型进行分类。
  首先利用检验集评估分类的预测准确率，如果认为分类器的准确率是可以接受的，那么 就可以用它对类标号未知的数据元组进行分类。

回归所构造的模型预测一个连续值函数或有序值，而不是类标号。这种模型是预测器（Predictor）。回归分析（Regression Analysis）是数值预测最常用的统计学方法，因此这两个词常常作为同义词使用。