爱同学2022-11-13 12:14:22
爱同学讲义178页总结的ML算法的图。1.请问为什么从start开始，就可以看是否需要PCA呢？PCA不是非监督式学习吗？ 2. 然后为什么在classification再分是否是监督式和非监督式。然后回归的就不用区分是否是监督还是非监督？3. 为什么逻辑不是从一开始start就分是否是监督和非监督学习呢？
回答（1）
Essie2022-11-14 14:54:25
Essie你好，1. 机器学习的第一步就需要看下数据集中的features的数据是否过多，如果特征的数量过多，模型就会建立的过于复杂，所以第一步就是看是否需要降维。它是属于非监督式学习的一种。
2. 如果要处理分类问题的话，那么我们就需要知道数据是结构化的还是非结构化，两种数据结构不同，使用的算法也不同。非结构化数据用K均值，和层次聚类；结构化数据用KNN、CART、SVM等都可以。
3. 回归处理的肯定是结构化数据，是监督式学习。
- 评论（0）
- 追问（2）
- 追问
-
所以机器学习并不是一开始就决定是否是监督和非监督式学习，而是去看分析目的？
- 追答
-
当然啦，要明确数据类型以及分析目的，才能了解最适合的机器学习方法是什么。
评论
0/1000
追答
0/1000
+上传图片