分類技術(shù)(或分類法)是一種根據(jù)輸入數(shù)據(jù)建立分類模型的系統(tǒng)方法，分類法的例子包括決策分類法，基于規(guī)則的分類法，神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)和樸素貝葉斯分類法。這些技術(shù)都使用一種學(xué)習(xí)算法(learningalgorithm)確定分類模型，該模型能夠很好的擬合輸入數(shù)據(jù)中類標(biāo)號(hào)和屬性集之間的聯(lián)系，學(xué)習(xí)算法得到的模型不僅要很好地?cái)M合輸入數(shù)據(jù)，還要能夠正確的預(yù)測未知樣本的類標(biāo)號(hào)。因此，訓(xùn)練算法的主要目標(biāo)就是建立具有很好泛化能力模型，即建立能夠準(zhǔn)確的預(yù)測未知樣本類標(biāo)號(hào)的模型。

那我們首先說一下分類與回歸的區(qū)別。

回歸(regression)

回歸問題的應(yīng)用場景(預(yù)測的結(jié)果是連續(xù)的，例如預(yù)測明天的溫度：23,24,25度等等)

所以說回歸問題通常是用來預(yù)測一個(gè)值，如預(yù)測房價(jià)，未來的天氣情況等等，例如一個(gè)產(chǎn)品的實(shí)際價(jià)格為500元，通過回歸分析預(yù)測值為501元，我們認(rèn)為這是一個(gè)比較好的回歸分析。一個(gè)比較常見的回歸算法是線性回歸算法(LR)。另外，回歸分析用在神經(jīng)網(wǎng)絡(luò)上，其最上層是不需要softmax函數(shù)的，而是直接對(duì)前一層累加即可?；貧w是對(duì)真實(shí)值的一種逼近預(yù)測。

分類(classification)

分類問題的應(yīng)用場景(預(yù)測的結(jié)果是離散的，例如預(yù)測明天天氣：陰，晴，雨等等)

例如判斷一幅圖片上的動(dòng)物是一只貓還是一只狗，分類通常是建立在回歸之上，分類的最后一層通常要使用softmax函數(shù)進(jìn)行判斷其所屬類別。分類并沒有逼近的概念，最終正確結(jié)果只有一個(gè)，錯(cuò)誤的就是錯(cuò)誤的，不會(huì)有相近的概念。最常見的分類方法是邏輯回歸，或者叫邏輯分類。

以上內(nèi)容為大家介紹了Python分類技術(shù)，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。