前面的東西再做個小小複習 :
找到模型g (代表下圖的黑線) 能夠正確分開資料之後，之後輸入資料後
就可以根據g的規則來對新的資料進行分類動作
二元分類 (Binary Classification)是機器學習裡最基礎的分類器。
在分辨不同類別的資料上，統計學已經針對這個問題有了伸入的研究，叫作回歸分析(Regression Analysis)
節錄交大工工系 統計學(二)的講義中對於回歸分析的解釋
回歸分析[1] 的主要目的是探究一個或數個自變數(independent variable) 和一個因變數(dependent variable) 間的關係，進而建構一個適當的數學方程式，並利用此方程式來解釋或預測因變數之值。在迴歸分析中自變數（又稱解釋變數）以X 表之，因變數（又稱反應變數）以Y表之；自變數X與因變 數Y之間的函數關係或數學方程式，稱為迴歸模式。
Ex. 某人有某些特徵，他有某癌症的比率多高 ?
或是，探討與分析結構的機器學習方式 (錄如，自然語言處理Natural Language Processing )
參考資料:
[1] 交大工工系 統計學(二)講義 授課教師 : 唐麗英教授
沒有留言:
張貼留言