Return to Video

Comparing Classification and Regression - Intro to Machine Learning

  • 0:00 - 0:04
    这里是对分类和回归的快速比较。
  • 0:04 - 0:06
    我们会详细讨论我在这里写下的所有内容,
  • 0:06 - 0:08
    但我想进行简单的概述,
  • 0:08 - 0:10
    让您了解本节课要注意哪些方面。
  • 0:10 - 0:14
    我要谈的第一点是算法的输出类型。
  • 0:14 - 0:16
    正如您所知,对于监督式分类,
  • 0:16 - 0:20
    类标签的形式是离散的;
  • 0:20 - 0:22
    对于回归则是持续的,
  • 0:22 - 0:25
    这基本上表示您将使用回归预测数字。
  • 0:25 - 0:29
    下一个问题非常重要,它就是:在执行分类或回归时,
  • 0:29 - 0:33
    您真正尝试查找的是什么?
  • 0:33 - 0:37
    在分类情况中,答案通常是决策边界。
  • 0:37 - 0:40
    根据点相对于决策边界的位置,
  • 0:40 - 0:43
    您可以为其赋予一个类标签。
  • 0:43 - 0:46
    使用回归时,我们尝试查找的是通常
  • 0:46 - 0:47
    一个称为最优拟合线的东西,
  • 0:47 - 0:52
    这是拟合数据的线条,而不是描述拟合的边界。
  • 0:52 - 0:54
    这在接下来几个视频中会更有意义。
  • 0:54 - 0:57
    我要谈的最后一点是如何评估。
  • 0:57 - 1:01
    进行监督式分类时,我们通常会使用准确度作为指标,
  • 1:01 - 1:05
    即它会获取正确的类标签还是不在测试集上的类标签。
  • 1:05 - 1:09
    对于回归,我们将谈论一些不同的评估指标。
  • 1:09 - 1:11
    其中一个称为误差平方和,
  • 1:11 - 1:13
    另一个称为 r 平方。
  • 1:13 - 1:17
    我会在课程中间时段详细介绍这两种指标。
  • 1:17 - 1:19
    我希望您在这节课中学到的主要内容是,
  • 1:19 - 1:23
    尽管回归与监督式分类不完全相同,
  • 1:23 - 1:27
    但您已经了解的有关监督式分类的许多内容都
  • 1:27 - 1:29
    在回归中有直接类比。
  • 1:29 - 1:32
    所以,您应该把回归视为不同类型的监督式学习,
  • 1:32 - 1:35
    而不是需要从头开始学习的全新主题。
Title:
Comparing Classification and Regression - Intro to Machine Learning
Description:

G_0W912qmGc

more » « less
Video Language:
English
Team:
Udacity
Project:
ud120 - Intro to Machine Learning
Duration:
01:37

Chinese, Simplified subtitles

Revisions Compare revisions