Machine Learning Pre-Basics

Machine Learning Pre-Basics

1.Classification

机器学习能应用到广泛的任务中：分类、回归、聚集、降维。

---

上面是一个常见的垃圾邮件二分类问题。

---

上面是人脸识别的多分类问题。

---

多类别、多标签的分类问题。

---

2.Regression

回归模型通过训练 带有features和label 的数据 来预测。

回归相比分类，是连续且可排序的。

分类的标签是确定的且无法比较的。

---

3.Clustering

Clustering 的任务就是聚类。

---

监督学习是从带标签的训练数据学习。

非监督学习是从不带标签的数据得出结论。

---

4.Dimensionality Reduction

作用是：

1.可视化和分析。

2.数据处理，让下游的ML更加高效和准确。

常用的方法如上。

---

5.其他

---

6.Tasks, Methods, & Algorithms

每个Tasks 都Methods和Algorithms

这里以分类为例。