问答 · ANSWER
机器学习分类是什么？
直接回答
机器学习分类可从任务和数据两个维度理解。按任务分为分类、回归和聚类问题；按数据是否含标签分为监督学习和无监督学习。
关键要点
- 机器学习可按任务分为分类、回归和聚类问题。
- 机器学习可按数据是否含标签分为监督学习和无监督学习。
- 监督学习使用有标签的数据训练，学习特征到标签的映射。
- 无监督学习使用无标签的数据训练，发现数据的内在结构。
- 分类和回归问题属于监督学习，聚类问题属于无监督学习。
怎么选 / 怎么做
判断机器学习分类的维度：
- 按任务分类：预测离散类别是分类问题，预测连续数值是回归问题，将相似数据分组是聚类问题。
- 按样本分类：训练数据包含标签是监督学习，训练数据只有特征、没有标签是无监督学习。
常见问题
监督学习和无监督学习的核心区别是什么？
监督学习数据有标签，无监督学习数据无标签。
分类和回归问题属于哪种学习？
分类和回归问题属于监督学习。
聚类问题属于哪种学习？
聚类问题属于无监督学习。