分类分析概念

分类分析概念1.了解什么是分类

2.理解分类原理

3.了解应用场景

4.掌握常见算法1.什么是分类

2.分类原理

3.应用场景

4.常见算法分类，是指按照种类、等级或性质分别归类。1.按照种类、等级或性质分别归类。2.把无规律的事物分为有规律的，按照不同的特点划分事物，使事物更有规律。1.什么是分类分类（classification），即找一个函数判断输入数据所属的类别，可以是二类别问题（是/不是），也可以是多类别问题（在多个类别中判断输入数据具体属于哪一个类别）。与回归问题（regression）相比，分类问题的输出不再是连续值，而是离散值，用来指定其属于哪个类别。2.分类原理用户画像：也就是对一个人进行类别抽象。例如，我们会根据一个人的行为去判断这个人是男是女、是老人是小孩、以及他（她）的兴趣偏好，通过各个维度的信息来刻画用户。在构造用户画像的时候，其中非常多的地方用到了分类算法，比如性别、年龄、兴趣偏好等。征信评估：在一些金融体系里，我们会根据一个人的银行卡记录或信用卡还贷记录等，去评估这个人的征信度，看这个人是属于高风险用户还是低风险用户。推荐系统：我们会预测一个人对某个东西“喜欢”或“不喜欢”，从而进行推荐。在预测时我们会根据这个人的情绪等因素，从而构造了我们现有的推荐体系。趋势预测：像房价预测、商品出货量预测、价格走势预测等等。图像分类：图像是人工智能一个非常重要的领域。比如给一张照片，我们需要一个分类器，看出照片里到底是一只猫还是一只狗。再比如我们在做新闻推荐时，会把图像进行分类，看它是不是符合政策要求。文本分类：比如文章的类别划分，有娱乐类、体育类、财经类等等。3.应用场景K近邻给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（也就是上面所说的K个邻居），这K个实例的多数属于某个类，就把该输入实例分类到这个类中。4.常见算法

4.常见算法决策树决策树(DecisionTree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。4.常见算法Logistic回归logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。4.常见算法支持向量机支持向量机（SupportVectorMachine,SVM）是一类按监督学习（supervisedlearning）方式对数据进行二元分类（binaryclassification）的广义线性分类器（generalizedlinearclassifier），其决策边界是对学习样本求解的最大边距超平面（maximum-marginhyperplane）4.常见算法神经网络人工神经网络（ArtificialNeuralNetworks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（ConnectionModel），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之