分類分析概念

分類分析概念1.了解什么是分類

2.理解分類原理

3.了解應用場景

4.掌握常見算法1.什么是分類

2.分類原理

3.應用場景

4.常見算法分類，是指按照種類、等級或性質分別歸類。1.按照種類、等級或性質分別歸類。2.把無規(guī)律的事物分為有規(guī)律的，按照不同的特點劃分事物，使事物更有規(guī)律。1.什么是分類分類（classification），即找一個函數判斷輸入數據所屬的類別，可以是二類別問題（是/不是），也可以是多類別問題（在多個類別中判斷輸入數據具體屬于哪一個類別）。與回歸問題（regression）相比，分類問題的輸出不再是連續(xù)值，而是離散值，用來指定其屬于哪個類別。2.分類原理用戶畫像：也就是對一個人進行類別抽象。例如，我們會根據一個人的行為去判斷這個人是男是女、是老人是小孩、以及他（她）的興趣偏好，通過各個維度的信息來刻畫用戶。在構造用戶畫像的時候，其中非常多的地方用到了分類算法，比如性別、年齡、興趣偏好等。征信評估：在一些金融體系里，我們會根據一個人的銀行卡記錄或信用卡還貸記錄等，去評估這個人的征信度，看這個人是屬于高風險用戶還是低風險用戶。推薦系統(tǒng)：我們會預測一個人對某個東西“喜歡”或“不喜歡”，從而進行推薦。在預測時我們會根據這個人的情緒等因素，從而構造了我們現有的推薦體系。趨勢預測：像房價預測、商品出貨量預測、價格走勢預測等等。圖像分類：圖像是人工智能一個非常重要的領域。比如給一張照片，我們需要一個分類器，看出照片里到底是一只貓還是一只狗。再比如我們在做新聞推薦時，會把圖像進行分類，看它是不是符合政策要求。文本分類：比如文章的類別劃分，有娛樂類、體育類、財經類等等。3.應用場景K近鄰給定一個訓練數據集，對新的輸入實例，在訓練數據集中找到與該實例最鄰近的K個實例（也就是上面所說的K個鄰居），這K個實例的多數屬于某個類，就把該輸入實例分類到這個類中。4.常見算法

4.常見算法決策樹決策樹(DecisionTree）是在已知各種情況發(fā)生概率的基礎上，通過構成決策樹來求取凈現值的期望值大于等于零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。由于這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹。在機器學習中，決策樹是一個預測模型，他代表的是對象屬性與對象值之間的一種映射關系。4.常見算法Logistic回歸logistic回歸又稱logistic回歸分析，是一種廣義的線性回歸分析模型，常用于數據挖掘，疾病自動診斷，經濟預測等領域。4.常見算法支持向量機支持向量機（SupportVectorMachine,SVM）是一類按監(jiān)督學習（supervisedlearning）方式對數據進行二元分類（binaryclassification）的廣義線性分類器（generalizedlinearclassifier），其決策邊界是對學習樣本求解的最大邊距超平面（maximum-marginhyperplane）4.常見算法神經網絡人工神經網絡（ArtificialNeuralNetworks，簡寫為ANNs）也簡稱為神經網絡（NNs）或稱作連接模型（ConnectionModel），它是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。這種網絡依靠系統(tǒng)的復雜程度，通過調整內部大量節(jié)點之