机器学习（零）基础----分类与回归

一、人工智能（artificial intelligence，AI）、机器学习（machine learning）、深度学习（deep learning）三者的关系

其中
（1）无监督学习：不需要提前知道数据集的类别标签。
（2）半监督学习：是一种介于有监督学习和无监督学习之间的学习算法，半监督学习的特点就是利用极少的有标签的数据和大量的无标签数据进行学习，通过学习得到的经验对无标签的测试数据进行预测。
（3）有监督学习：是使用大量有标签的训练数据来建立模型，以预测新的未知标签数据。用来指导模型建立的标签可以是类别数据、连续数据等。

二、分类与回归

（分类与回归是针对有监督学习提出的）
机器学习的主要任务聚焦于两个问题：分类与回归
1.区别：
（1）分类与回归的预测变量类型是不同的，回归问题是连续变量，分类问题是离散变量
（2）回归问题是定量的问题，分类问题是定性问题
2.示例：
回归问题最后预测得到的是一个值，比如今天的降雨量，预测房价等
分类问题最后预测的是一个离散的值，最简单的0和1，预测明天是晴天，雨天等