机器学习中的分类、回归、标注

最新推荐文章于 2025-08-06 21:42:23 发布
原创 最新推荐文章于 2025-08-06 21:42:23 发布 · 6.7k 阅读 · 14 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习

本文探讨了机器学习中的分类和回归的区别，指出标注问题作为监督学习的一种，是分类问题的推广。标注问题涉及观测序列到标记序列的映射，常见于自然语言处理的词性标注任务，常用方法包括隐马尔可夫模型和条件随机场。

在数据挖掘、人工智能等领域中存在两个：分类和回归。单说分类很容易理解，但想到回归就容易分不清晰，那么这两者到底有什么区别和联系呢？下面简单介绍下我的理解。


最低0.47元/天 解锁文章
机器学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 17万+
机器学习按照模型类型分为监督学习模型、无监督学习模型和概率模型三大类,文章对十大机器学习算法进行详细介绍并阐述机器学习其他概念问题，可作为机器学习初学者学习使用。
机器学习基础 | 关于分类和回归的介绍
小哥谈
10-25 1857
机器学习中的分类和回归都是监督学习的问题。分类问题的目标是将输入数据分为不同的类别，而回归问题的目标是预测一个连续的数值。本节课就简单介绍下分类和回归的基本概念以及常见的分类算法和回归算法！~🌈
回归方法和机器学习方法以及R代码实现
05-11
R语言回归方法和机器学习方法的讲解，课件是pdf形式 R代码-机器学习方法包括决策树、随机森林、svm、神经网络、boosting、bagging以及各种回归方法 其中包含一些数据及例子以供参考。
分类，回归，标注
welcome to daijiguo's blog
09-02 2166
1. 分类问题 监督学习从数据中学习一个分类决策函数或分类模型，称为分类器（classifier）。分类器对新的输入进行输出的预测，这个过程称为分类。 2. 标注问题 标注问题也是一个监督学习问题。可以认为标记问题是分类问题的一个推广。 标注问题的输入是一个观测序列，输出的是一个标记序列或状态序列。也就是说，分类问题的输出是一个值，而标注问题输出是一个向量，向量的每
分类、标注与回归
Losteng的博客
03-31 3487
1.分类问题 分类问题是监督学习的一个核心问题。在监督学习中，当输出变量YY取有限个离散值时，预测问题便成为分类问题。 监督学习从数据中学习一个分类决策函数或分类模型，称为分类器（classifier）。分类器对新的输入进行输出的预测，这个过程称为分类。 分类问题包括学习与分类两个过程。在学习的过程中，根据已知的训练样本数据集利用有效的学习方法学习一个分类器；在分类中，利用学习的
机器学习——回归方法（1）
sabzero的博客
01-10 436
一、回归预测简介 现在我们知道的回归一词最早是由达尔文的表兄弟Francis Galton发明的。Galton在根据上一年的豌豆种子的尺寸预测下一代豌豆种子的尺寸时首次使用了回归预测。他在大量的对象上应用了回归分析，包括人的身高。他注意到，如果双亲的高度比平均高度高的话，则他们的子女也倾向于比平均身高高，但尚不及双亲。孩子的身高向着平均高度回退（回归）。Galton在多项研究上都注意到这个现象，...
关于机器学习算法中的标记习惯
weixin_30556959的博客
05-29 124
描述机器学习算法中常常有大量的符号标记, 最好能形成一套自己的标记习惯. 原始输入空间: \(\chi \in R^d\) 样本集:\(D\) 用\(n\)表示样本索引. 第\(n\)个样本: \(x^{(n)}\). 训练样本数量:\(N\) 神经元的净输出:\(net\); 激活值:\(a\); 最大似然函数: \(l\), 取对数后用\(L\)表示. 损失函数: \(J\) 敏感度:\(\...
机器学习之分类、回归、标注问题
观则明的博客
05-22 1556
机器学习基础之分类、回归、标注问题
机器学习算法全解：分类、回归、聚类与核心知识体系
最新发布
weixin_47242663的博客
08-06 887
本文系统性地介绍了机器学习核心算法体系，包括分类（逻辑回归、SVM、决策树）、回归（线性回归、GBRT）、聚类（K-means、DBSCAN）和降维技术（PCA、t-SNE）。详细讲解了各类算法的数学原理、Python实现和评估指标，并提供了特征工程、超参数优化的实用方法。通过实际应用案例展示了算法选择策略，最后给出针对不同问题的算法选择流程图。文章强调理解算法数学基础与实现细节的重要性，建议从Scikit-learn开始实践，逐步掌握这一AI基石技术。
机器学习常用标识及其学习过程
u013358302的专栏
01-31 1167
机器学习中常用标识： x代表输入集合，y代表输出集合，f代表理想的公式（对于一个输入可以给出最好的输出），D代表资料，g代表学习公式，基于某种假设 机器学习过程： 其中f代表最理想的学习公式（是未知的），D代表资料（输入的用于学习的资料）A代表学习算法，H代表所有假设的集合（这些假设有好有坏，并非都是合理的），g代表最终确定的假设，该假设公式应尽量接近于理想公
李沐《机器学习》——1.4数据标注
czh的博客
03-30 2592
数据标注： 当已经有一部分标注，可以使用半监督学习 如果你的标志不够多, 但你有钱, 可以花钱去众包, 找人来标注. 如果你的标注不够, 但你又没钱，可以自己从数据中提取出来弱一点的标准，进行弱监督学习 再不行还可以选择无监督的算法 半监督学习： 想对有标注的数据和没有标注的数据一起使用的话，针对两者的数据分布之间有一些假设： 连续性假设。 如果一个样本的特征和另一个样本相似的话，那么很有可能两者是同一标号。 聚类的假设。如果数据在内在有聚类的结构，而不是随机在整个空间里面均匀分布，那么可以假设同一类
【机器学习】9种回归算法及实例总结，建议学习收藏
Python学习与数据挖掘
03-19 2万+
我相信很多人跟我一样，学习机器学习和数据科学的第一个算法是线性回归，它简单易懂。由于其功能有限，它不太可能成为工作中的最佳选择。大多数情况下，线性回归被用作基线模型来评估和比较研究中的新方法。 在处理实际问题时，你应该了解并尝试许多其他回归算法。一方面可以系统学习回归算法，另外一方面在面试中也常用到这些算法。在本文中，我们将通过使用 Scikit-learn 和 XGBoost 的动手实践来学习 9 种流行的回归算法。 喜欢本文记得收藏、关注、点赞。 【注】文末有技术交流群 结构如下： 线性回归 多项式回
面向机器学习的自然语言标注
自然语言处理
04-01 858
作者：[美] 普斯特若夫斯基（James Pustejovsky），[美] 斯塔布斯（Amber Stubbs） 出版社： 机械工业出版社 ISBN：9787111555155 丛书名： OReilly精品图书系列 开本：16开 出版时间：2017-02-01 用纸：胶版纸 页数：293 面向机器学习的自然语言标注 ...
标题机器学习西瓜书笔记——1-2章
weixin_43576525的博客
10-16 622
标题机器学习西瓜书笔记——绪论 1.1引言 什么是机器学习？ 人是通过经验学习； 而机器学习的主要内容是在计算机上从数据中产生“模型”(model) 的算法，模型的作用是更好的预测、判断未发生的样例。 1.2基本术语 主要基本概念 数据集(data set) : 整个所有数据样本； 所有西瓜提供的数据 样本(sample) : 所有西瓜是数据集，一个西瓜就是样本 属性(attribute): 西瓜对应的特征，比如颜色，而对应的值就是属性值 样本空间(sample space)/属性空间(attribute
基于Matlab搭建数据标注软件总结
heda3的博客
10-18 818
开发数据标注软件的开发过程总结；基本组件及函数执行方式、app打包方式等
《机器学习》学习笔记（二十七）—结构化学习：序列标注
时光机的学习博客
05-18 730
序列标注 序列标注的的输入是一个序列，他的输出也是一个序列。一个典型的例子就是词性标注（pos tagging）。在日常中用的词有的是名词，有的是动词，但是动词中还有专有名词，非专有名词等。所以对于词性的标注还是有必要的。 在上面这个例子中有两个 saw ，其中第一个 saw 是动词，而第二个 saw 是名次，所以需要理解整个句子的含义才能做出正确的词性标注。 隐马尔科夫模型（HMM） 首先在...
AI: 机器学习必须懂的几个术语：Label、Feature、Model...
热门推荐
HowieXue 薛永浩的博客
02-11 8万+
标签 Lable 标签：所预测的东东实际是什么（可理解为结论），如线性回归中的 y 变量，如分类问题中图片中是猫是狗（或图片中狗的种类）、房子未来的价格、音频中的单词等等任何事物，都属于Lable。 （如一组图片，已经表明了哪些是狗，哪些是猫，这里Lable就是分类问题中每一个类） 特征 Feature 特征是事物固有属性，可理解为做出某个判断的依据，如人的特征有长相、衣服、行为动作等等，一个事...
机器学习笔记（一）机器学习概述
qq_43427808的博客
07-03 1672
机器学习笔记（一）机器学习概述一、什么是机器学习1、机器学习定义2、机器学习(ML)与人工智能(AL)深度学习(DL)的关系2、机器学习与传统方法的区别二、机器学习的工作流程1、机器学习工作流程举一个栗子1.房价预测模型如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 机器学习内容可观看吴恩达视频 一、什
4-分类+回归+标注-监督学习-机器学习
kakazai.cn
06-01 1235
参考：李航《统计学习方法》分类(classification)    输入变量X的值可以是连续的，也可以是离散的，输出变量Y的值是离散的，这时对Y进行预测变成了分类问题。可能的输出Y值称为类(class)。当分类的Y值为多个时，称为多分类问题。分类器(classifier)：监督学习从数据中学习到的函数如何评价分类器的性能？某个分类器好，还是不好？1)通用的评价指标分类准确率(accuracy)：...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值