--分類(classification)與回歸(regression)--

分類(classification)

      一開始進入機器學習，首先要弄清楚他的一些專有名詞及其定義，為了方便理解，舉一個例子好了，小明熱愛水上運動，但並不是每次去做玩水上運動都會很愉快，主要影響他愉不愉快的因素可能是天氣,溫度,濕度,風力,水溫跟天氣預報(如果天氣預報天氣預報說天氣會很好，結果卻很糟糕，會愉快纔有鬼)，而天氣,溫度,濕度,風力,水溫跟天氣預報即所謂的特徵值(feature value)，而愉不愉快就是所謂的目標概念(target concept)，近一步整理如下圖：

樣例	天氣	溫度	濕度	風力	水溫	天氣預報	愉快與否
1	晴	暖	普通	強	暖	準	是
2	晴	暖	大	強	暖	準	是
3	雨	冷	大	強	暖	不準	否
4	晴	暖	大	強	冷	不準	是

 

 

       以上，取了四天為例，用這四天去讓機器學習當然不夠，不然怎麼叫大數據呢，譬如我們取110天的數據，拿其中的100天的數據讓機器去做學習(training)，而這100天的數據叫做訓練集(training set/data)，而剩下10天的數據拿來測試機器學習後的成果，這10天的數據叫做測試集(test set/data)，一般所謂的數據庫裡，一定會包含訓練集(training set/data)及測試集(test set/data)。

 

 

回歸(regression)

另外還需要舉另外一個例子，是因為要與小明做水上運動作區別是因為，小明運動後愉快與否答案是"是"或"否"這是類別區分的，即是說它的目標標記是屬於類別型數據(category)的此稱為分類(classification)，而有別於分類(classification)，便是我們以下要舉例說明的，目標標記為連續性數值(continuous numeric value)，稱為回歸(regression)，以美國矽谷房價為例:

樣例	面積(平方米)	學區	房價(1000$)
1	100	8	1000
2	120	9	1300
3	60	6	800
4	80	9	1100
5	90	5	850

＃影響美國矽谷房價的洞要因素為面積大小及學區評分(評分為1-10級)

＃目標標記為連續性數值(continuous numeric value)，稱為回歸(regression)