有監督學習

利用一組帶有標簽的數據，學習從輸入到輸出的映射，然后將這種映射關系應用到未知數據上，達到分類或回歸的目的。

分類：當輸出為離散的，學習任務為分類任務。

回歸：當輸出為連續的，學習任務為回歸任務。

訓練集：用來訓練的已標注的數據，用來建立模型，發現規律。

測試集：已標注的數據，通常隱藏標記，輸送給以訓練的模型，通過結果與真實標記對比，評估模型的學習能力。

訓練集/測試集劃分：

已標記數據隨機選出一部分(70%)作為訓練數據，其他作為測試數據。

交叉驗證法；

自助法

分類學習-評價標準

精確率：針對預測結果的正確多少。以二分類為例，它表示的是預測為正的樣本中有多少是真正的正樣本。那么預測為正就有兩種可能了，一種是把正類預測為正類(TP)，另一類就是把負類預測為正類(FP)。 ? ? ? ? ? ? ? ? ? ? ? ? ?

召回率：是針對我們原來的樣本而言的，它表示的是樣本的正類有多少被預測正確了。那也有兩種可能，一種是把原來的正類預測為正類(TP)，另外一種是把原來的正類預測為負類( FN).?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

回歸分析：相關性分析

sklearn回歸模塊：sklearn.linear_model和sklearn.preprocessing

總結

以上是生活随笔為你收集整理的有监督学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。