应用监督式学习.PDFVIP

应用监督式学习 何时考虑监督式学习 监督式学习算法接受已知的输入数据集合（训练集）和已知的对数据的 响应（输出），然后训练一个模型，为新输入数据的响应生成合理的 预测。如果您尝试去预测现有数据的输出，则使用监督式学习。 所有的 “监督式学习”改成“监督学习”技术 监督学习技术可分成分类或者回归的形式。 分类技术预测离散的响应 — 例如，电子邮件是真正邮件还是垃圾 邮件，肿瘤是小块、中等还是大块。分类模型经过训练后，将数据划分 成类别。应用软件包括医学成像、语音识别和信用评分。 回归技术预测连续的响应 — 例如，电力需求中温度或波动的变化。 应用软件包括预测股价、笔迹识别和声信号处理。 • 您的数据能否进行标记或分类？如果您的数据能分 为特定的组或类，则使用分类算法。 • 处理数据范围？如果您的响应性质是一个实数（比如 温度，或一件设备发生故障前