1. 分類和回歸的區別
在本質上是一樣的，都是針對乙個輸入，做出乙個輸出**，區別在於輸出變數的型別。
定性輸出稱為分類，或者說是離散變數**，給定乙個新的模式，推斷它所對應的類別，如a，b類；
定量輸出稱為回歸，或者說是連續變數**，給定乙個新的模式，推斷它所輸出的值（實數）。
煮個栗子：
**明天的氣溫是多少度，可能是有乙個y = ax+b 的函式，這是乙個回歸任務；
**明天是陰、晴、雨、雪，這就是乙個分類任務。
特性分類
回歸輸出型別
離散資料
連續資料
目的尋找決策邊界
找到最優擬合
評價方法
精度（accuracy）、混淆矩陣
sse（sum of square errors）或擬合優度
分類模型可將回歸模型的輸出離散化，回歸模型也可以將分類模型的輸出連續化：
再煮幾個栗子：
logistic regression 和 linear regression：
linear regression：輸出乙個標量 wx+b ，這是乙個連續值，可以用來處理回歸問題；
logistic regression：把上面的wx+b 通過 sigmoid 函式對映到（0，1）上，並劃分乙個閾值，大於閾值的分為一類，小於等於的分為另一類，就可以用來處理二分類問題
更進一步：對於n分類問題，則是先得到 n 組 w 不同的 wx+b，然後歸一化，（如用softmax函式），最後變成 n 個類上的概率，就可以處理多分類問題
分類與回歸的區別
前出塞資料探勘的一些必須了解的概念
前出塞 現在使用了資料探勘，下面跟大家一起討論下資料探勘的概念。從龐雜的資料背後挖掘 分析使用者的行為習慣和喜好，找出更符合使用者 口味 的產品和服務，並結合使用者需求有針對性地調整和優化自身，就是大資料的價值。對於大資料在商業上的用途，這句話說得很清楚。前半句是重點，了解使用者的行為習慣和愛好，這...
k均值例子 資料探勘 資料探勘比賽的一些經驗心得
資料去噪 無論是資料探勘的比賽也好，還是日常生活中的各種專案也好，我們拿到手的資料集含有雜訊資料是很正常的。雜訊會降低我們的資料質量，從而影響我們模型的效果。因此，對雜訊的處理是必須的，這一點是眾所周知的事情。但是，在去噪的過程中我們也要注意以下問題。在我們這些天做的乙個比賽上，乙個隊友，拿著沒有好...
澄清一些概念
參考 以前一直分不清 authentication 和 authorization，其實很簡單，舉個例子來說 你要登機，你需要出示你的 passport 和 ticket，passport 是為了證明你張三確實是你張三，這就是 authentication 而機票是為了證明你張三確實買了票可以上飛機...