颜色分类leetcode ds classification intro nyc career ds 062518:ds cla

颜色分类leetcode分类到目前为止，我们已经研究了回归并研究了如何预测连续变量。数据科学中的另一类问题是对类成员进行分类。例如，我们可能想要预测某人是否患有癌症，视频是否适合儿童，或者动物是什么物种。由于所需的输出，这些问题在它们的表述上有着根本的不同。最简单的情况是0或1的二元分类。通常0代表“不是成员”，而1代表“是成员”。以下是一些最重要的分类算法，我们将在接下来的课程中进一步深入研究：逻辑回归使用sigmoid函数计算类成员的概率。然后分配班级成员资格。决策树根据哪个特征将提高分类的准确性，将数据集特征逐个拆分。例如，那些胆固醇高于某个值（使用树算法指定）的人有患心脏病的风险，低于该值的人不会招致风险。接下来，您可以进入数据集中的另一个特征，例如年龄。随机森林一种组合多个决策树的集成方法。支持向量机绘制一个分隔类的决策平面，最大化数据点与该平面之间的距离。回归还是分类？对于以下每种情况，请确定您将应用回归算法还是分类算法。决定孩子未来的身高。