--分类(classification)与回归(regression)--

分类(classification)

      一开始进入机器学习，首先要弄清楚他的一些专有名词及其定义，为了方便理解，举一个例子好了，小明热爱水上运动，但并不是每次去做玩水上运动都会很愉快，主要影响他愉不愉快的因素可能是天气,温度,湿度,风力,水温跟天气预报(如果天气预报天气预报说天气会很好，结果却很糟糕，会愉快才有鬼)，而天气,温度,湿度,风力,水温跟天气预报即所谓的特征值(feature value)，而愉不愉快就是所谓的目标概念(target concept)，近一步整理如下图：

样例	天气	温度	湿度	风力	水温	天气预报	愉快与否
1	晴	暖	普通	强	暖	准	是
2	晴	暖	大	强	暖	准	是
3	雨	冷	大	强	暖	不准	否
4	晴	暖	大	强	冷	不准	是

 

 

       以上，取了四天为例，用这四天去让机器学习当然不够，不然怎么叫大数据呢，譬如我们取110天的数据，拿其中的100天的数据让机器去做学习(training)，而这100天的数据叫做训练集(training set/data)，而剩下10天的数据拿来测试机器学习后的成果，这10天的数据叫做测试集(test set/data)，一般所谓的数据库里，一定会包含训练集(training set/data)及测试集(test set/data)。

 

 

回归(regression)

另外还需要举另外一个例子，是因为要与小明做水上运动作区别是因为，小明运动后愉快与否答案是"是"或"否"这是类别区分的，即是说它的目标标记是属于类别型数据(category)的此称为分类(classification)，而有别于分类(classification)，便是我们以下要举例说明的，目标标记为连续性数值(continuous numeric value)，称为回归(regression)，以美国矽谷房价为例:

样例	面积(平方米)	学区	房价(1000$)
1	100	8	1000
2	120	9	1300
3	60	6	800
4	80	9	1100
5	90	5	850

＃影响美国矽谷房价的洞要因素为面积大小及学区评分(评分为1-10级)

＃目标标记为连续性数值(continuous numeric value)，称为回归(regression)