根据花叶等特征区分物种组分了解客户是

asadul237

否有可能向您购买（分类）估计公司往年的库存需求（回归）……所有这些都可以通过机器学习技术来回答。如果您想了解更多详细信息可以转到这篇文章。今天我们将重点讨论分类器算法。这是一种监督算法。我们举个例子你很快就会明白我们想要估计疾病的诊断。也就是说能够根据患者的特征（血液、年龄、体重、饮食习惯……）来判断患者是否患有糖尿病。在图中您可以看到我们正在讨论的可能方案请注意您可以像往常一样使用我们在模型中使用的著名输入输出结构来定义问题输入是血液中的特征。输出是响应变量或类别轻度糖尿病或重度糖尿病。在实践中我们将首先使用已知的输出来训练算法。

我们将知道患者是否属于某一组或另一组。一旦受训。该算法已经创建了一个可在实践中使用的决策规则。根据新患者的血液特征数据该算法将能够将患者分为两组之一轻度糖尿病或重度糖尿病。它看起来现在您知道什么是分类器算法了。好的最常用的一种是支持向量机。支持向量机英文缩写。现在你将会发现它。我建议您观看该视频因为我相信它会 南非移动的电话数字 对您有所帮助:实用直觉什么是支持向量机我会告诉你。该算法在数学上有些复杂。但在阅读数学之前首先要对它的工作原理有一个清晰的实践直觉。您已经看到分类器算法尝试分离已知的组。这可以在纸上表示如下资料来源支持向量机维基百科黑头是一个群体。想象一下患有糖尿病的患者。白点是那些没有糖尿病的人。在这里我们使用血液中的两个特征x和x。



分类器算法尝试将这两个组分开。或者找到一系列使我们能够将黑点与白点分开的条件。这意味着分类。这正是支持向量机正在做的事情。他们试图找到一条直线或一个平面使他们能够以最好的方式区分这两个群体。它看起来这就是我们在尝试训练这些类型的算法时所做的事情。现在在数学层面上找到这种最能区分两组的线或平面并不容易。如图所示有很多解决方案资料来源支持向量机维基百科这三者中哪一个最好、还是很明显在这种情况下这是显而易见的。但实际上并没有那么多。为此您必须了解有关该算法的更多细节我将在一个视频中向您介绍它这对您来说将更加直观。下面你就有了视频什么是支持向量机、直觉和参考。包括中的分步示例。