监督学习的常见任务：分类与回归

监督学习的常见任务：分类与回归

引用

CSDN

1.

https://blog.csdn.net/universsky2015/article/details/141272613

1. 背景介绍

1.1. 人工智能与机器学习

人工智能 (AI) 的目标是使计算机能够像人类一样思考和行动。机器学习 (ML) 是人工智能的一个子领域，它使用算法从数据中学习，而无需进行明确的编程。机器学习算法通过识别数据中的模式来构建模型，并使用这些模型来进行预测或决策。

1.2. 监督学习

监督学习是机器学习的一种类型，它使用带有标签的训练数据来训练模型。标签是与每个数据点相关联的期望输出。例如，在图像分类任务中，标签可能是图像中对象的名称。在监督学习中，目标是学习一个能够将输入数据映射到正确标签的模型。

1.3. 分类与回归

监督学习中的两个常见任务是分类和回归：

• 分类 ：将数据点分配到预定义的类别之一。例如，垃圾邮件过滤（将电子邮件分类为垃圾邮件或非垃圾邮件）、图像识别（将图像分类为不同的对象类别）和情感分析（将文本分类为正面、负面或中性）。

• 回归 ：预测连续值输出。例如，房价预测（预测房屋的市场价值）、股票价格预测（预测股票的未来价格）和天气预报（预测未来的温度、降雨量等）。

图注：监督学习中的分类与回归任务示意图

本文原文来自CSDN