分类的概念和技术
基本概念
定义：确定对象属于哪个预定义的目标类
输入数据：分类任务的数据是记录的集合
记录：实例或样例，用元组（x,y)表示；x是属性的集合，y则是一个特殊的属性，指出样例的类标号
区别分类与回归的关键特征: 类标号必须为离散属性
分类任务：通过学习得到一个目标函数f，把每个属性集x映射到一个预先定义的类标号y
目标函数（分类模型)可用于以下目的：
1.描述性建模
2.预测性建模
分类技术
定义：根据输入数据集建立分类模型的系统方法
例子：决策树分类法、基于规则的分类法、神经网络、支持向量机、朴素贝叶斯分类法
一般方法：
首先，需要一个训练集，由类标号已知的记录组成
然后，使用训练集建立分类模型
最后，分类模型随后将运用于检验集（检验集有类标号未知的记录组成）
分类模型的性能:
评判：根据模型正确和错误预测的检验记录计数（存放于混淆矩阵的表格中）进行评估
性能度量：
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 笺札！
