2.机器学习四大任务:回归、分类、聚类与降维
- 回归任务
- 回归是对已有的数据样本点进行拟合,再根据拟合出来的函数,对未来进行预测。回归数据是连续的值,比如商品价格走势的预测就是回归任务。
- 分类任务
- 分类需要先找到数据样本点中的分界线,再根据分界线对新数据进行分类,分类数据是离散的值,比如图片识别、情感分析等领域会经常用到分类任务。
- 聚类任务
- 聚类是根据样本之间的相似度,将一批数据划分为N个组。比如用户分组、异常值检测等领域会用到聚类任务。
用户分组比较好理解,那异常值检测为什么会用到聚类呢?因为实际场景中,如果某个样本点,离所有分类组的距离都很远,不属于任何一个组,我们则会将其看做是一个“异常值”。
降维任务 - 降维是减少数据的维度,对数据进行降噪、去冗余,方便计算和训练;
如数据预处理,减少一些对模型准确率影响很小维度,可以提高计算效率。再如图表可视化,我们进行数据分析时,通常会将高维模型降为三维或二维图表,便于直观分析。