本文介绍了监督学习的基本概念，包括其工作原理及应用。监督学习通过输入样本集来预测目标变量的结果，适用于分类与回归分析任务。文章区分了标称型与数值型目标变量的特点，并解释了它们各自的应用场景。
参考：
《Machine Learning in Action》第一部分 分类
##############################################################
在监督学习（supervised learning）的过程中，只需要给定输入样本集，机器就可以从中推演出指定目标变量的可能结果。监督学习相对比较简单，机器只需从输入数据中预测合适的模型，并从中计算出目标变量的结果。
监督学习一般使用两种类型的目标变量：标称型和数值型
标称型：标称型目标变量的结果只在有限目标集中取值，如真与假(标称型目标变量主要用于分类)
数值型：数值型目标变量则可以从无限的数值集合中取值，如0.100，42.001等 (数值型目标变量主要用于回归分析)
扫一扫
5521
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
