機器學習之聚類、回歸、分類算法

機器學習從學習的種類分為“無監督學習”（不對樣本資料做任何标記甚至是過程幹預）和“有監督學習”（總結訓練樣本向量與标簽的映射關系）。

一。聚類：

是非常典型的無監督學習的一種。聚類的行為本源還是人自身。聚類是通過劃分一個個範圍，把輸入樣例進入符合條件的範圍，通過映射關系輸出一個合理的結果。類比于人類的行為，我們分的清猴子和汽車，猴子的種類很多，他們有些行為、樣貌迥異，但是我們卻不會把他們和汽車弄混，我們認為在一定的差異範圍内，他仍然屬于猴子的範圍。

在這個過程中，從獲得具體的樣本向量，到得到聚類結果，人們是不用進行幹預的，進而得到了“非監督”的概念。

二。回歸

簡單來說就是“由果索因”的過程，是一種歸納的思想。最常用的回歸有兩大類----線性回歸，非線性回歸。

Loss越小，越精準。會把收集到的資料集分為訓練集和驗證集。七三開，八二開都可以。訓練集一側用資料多的那部分。

非線性回歸當屬邏輯回歸。