12、机器学习分类与回归模型详解

机器学习分类与回归模型详解

1. 多输出分类

多输出 - 多类分类（或简称多输出分类）是多标签分类的一种推广，其中每个标签可以是多类的，即可以有两个以上的可能值。

1.1 示例：图像去噪系统

为了说明这一点，我们构建一个从图像中去除噪声的系统。它将输入一个有噪声的数字图像，并输出一个干净的数字图像，用像素强度数组表示，就像MNIST图像一样。这个分类器的输出是多标签的（每个像素一个标签），并且每个标签可以有多个值（像素强度范围从0到255），因此这是一个多输出分类系统的例子。

1.2 数据集创建

我们通过使用NumPy的 randint() 函数为MNIST图像的像素强度添加噪声来创建训练集和测试集。目标图像是原始图像，具体代码如下：

import numpy as np
# 为训练集添加噪声
noise = np.random.randint(0, 100, (len(X_train), 784))
X_train_mod = X_train + noise
# 为测试集添加噪声
noise = np.random.randint(0, 100, (len(X_test), 784))
X_test_mod = X_test + noise
y_train_mod = X_train
y_test_mod = X_test

1.3 训练分类器

接下来，我们训练分类器并对图像进行去噪处理：