简述回归，分类，聚类方法的区别和联系并分别举出一个例子

简述回归，分类，聚类方法的区别和联系并分别举出一个例子

以前偶然找到过下图，该图对分类，聚类及其回归表达的很清晰。

由上图我们可以看到，机器学习分为四大块，分别是

classification (分类)，

regression (回归),

clustering (聚类),

dimensionality reduction (降维)。

1，给定一个样本特征 , 我们希望预测其对应的属性值 , 如果 是离散的, 那么这就是一个分类问题，反之，如果 是连续的实数, 这就是一个回归问题。
2，如果给定一组样本特征 , 我们没有对应的属性值 , 而是想发掘这组样本在 二维空间的分布, 比如分析哪些样本靠的更近，哪些样本之间离得很远, 这就是属于聚类问题。
3，如果我们想用维数更低的子空间来表示原来高维的特征空间, 那么这就是降维问题。

聚类（clustering）

输入验证码查看隐藏内容

扫描二维码关注本站微信公众号 Johngo学长

或者在微信里搜索 Johngo学长

回复 svip 获取验证码

Johngo学长