注册
登录
机器学习
机器学习的回归,分类
返回
机器学习的回归,分类
作者:
那年
发布时间:
2025-02-06 07:24:39 (10天前)
转自:
<div class =“excerpt”> 我有一个分类和回归问题 <span class =“result-highlight”> 机 </跨度> <span class =“result-highlight”> 学习 </跨度> 。 第一个问题,以下数据集 http://it.tinypic.com/view.php?pic=oh3gj7&s=8#.VIjhRDGG_lF 我们可以说,数据集是线性模型的配置吗? 我正在读汤姆米切尔的书 <span class =“result-highlight”> 机 </跨度> <span class =“result-highlight”> 学习 </跨度> ,模式识别和 <span class =“result-highlight”> 机 </跨度> <span class =“result-highlight”> 学习 </跨度> 主教,但我仍然无法给出正确的答案。 提前致谢。 鈥 </DIV>
收藏
举报
2 条回复
0#
回复此人
afs-loliaholic
|
2019-08-31 10-32
<div class =“post-text”itemprop =“text”> <P> 这些数据集都不能使用线性分类/回归建模。 </p> <P> 在“输入数据转换”的情况下,如果只有数据集是一致的(没有两个完全相同的点与两个不同的标签) 的<strong> 总是存在转换,之后数据可以线性分离 </强> 。特别是可以用以下方法构建它: </p> <pre> <code> phi(x) = 1 iff label of x is "1" </code> </pre> <P> 换句话说,您将所有正样本映射到“1”,将负数映射到“0”,因此您的数据现在可以线性分离。或者简单地将你的N个点映射到R ^ N空间中的N个单位向量,使得我的点被映射到[0 0 0 ... 1 ... 0 0 0] ^ T,其中出现“1”在我的地方。对于任何标记,这样的数据集可以线性地线性分离。 </p> </DIV>
编辑
登录
后才能参与评论