当前位置 博文首页 > 臭咸鱼:李宏毅机器学习课程笔记-4.1分类简介及其与回归的区别
不行。
假设有两个类别,其中类别1的标签为1,类别2的标签为-1,那0就是分界线,大于0就是类别1,小于0就是类别2。
回归模型会惩罚那些太正确的样本。如果结果远远大于1,它的分类应该是类别1还是类别2?这时为了降低整体误差,需要调整已经找到的回归函数,就会导致结果的不准确。
假设有多个类别,类别1的标签是1,类别2的标签是2,类别3的标签是3。
这样的话,标签间具有2和3相近、3大于2这种本来不存在的数字关系。
模型
模型可以根据特征判断类型,输入是特征,输出是类别
损失函数
预测错误的次数,即\(L(f)=\sum_n\delta(f(x^n)\neq\hat y^n)\)。
这个函数不可微
如何找到最好的函数
比如感知机(Perceptron)、支持向量机(SVM)
Github(github.com):@chouxianyu
Github Pages(github.io):@臭咸鱼
知乎(zhihu.com):@臭咸鱼
博客园(cnblogs.com):@臭咸鱼
B站(bilibili.com):@绝版臭咸鱼
微信公众号:@臭咸鱼的快乐生活
转载请注明出处,欢迎讨论和交流!