机器学习的回归,分类


那年
2025-02-16 09:22:00 (2小时前)
  1. 我有一个分类和回归问题



</跨度>

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


</跨度>

学习
</跨度>
,模式识别和


</跨度>

学习
</跨度>
主教,但我仍然无法给出正确的答案。
提前致谢。

2 条回复
  1. 0# afs-loliaholic | 2019-08-31 10-32



    这些数据集都不能使用线性分类/回归建模。



    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)

    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:




    1. phi(x) = 1 iff label of x is 1

    2. </code>


    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。


登录 后才能参与评论