28、机器学习问题类型及回归模型构建详解

机器学习问题类型及回归模型构建详解

1. 机器学习问题类型概述

在机器学习中，我们会根据输入特征和标签的性质，采用不同的模型和技术。以下是常见的机器学习问题类型：
- 回归（Regression） ：当标签是一个数值时，这类机器学习问题被称为回归。例如，预测某场电影的门票销售数量。
- 分类（Classification） ：若标签是分类变量，就是分类问题。分类又可细分为：
- 二元分类（Binary Classification） ：标签通常为 True/False 或 1/0，如预测演出是否售罄。
- 多类分类（Multiclass Classification） ：标签有多个类别，如预测自行车归还的站点。
- 推荐系统（Recommender） ：基于评分或过往购买记录推荐“下一个”产品的多类分类特殊情况，称为推荐系统。它也适用于客户定位问题，即找到可能喜欢某个产品或促销活动的客户。
- 聚类（Clustering） ：如果没有标签，无法进行监督学习，此时可以在数据中寻找自然分组，这类问题就是聚类。例如，对客户特征进行聚类以实现客户细分。
- 非结构化数据处理 ：若输入特征包含非结构化数据（如图像或自然语言文本），可使用预训练模型（如 Cloud Vision API 或 Cloud Natural Language）处理，将输出作为机器学习模型的数值或分类输入。