监督学习,无监督学习,回归

Question

我知道:

1. 无监督学习是试图在未标记数据中找到隐藏结构 ,否则,我们称之为监督学习.
2. 回归也是一种分类,除了它的输出是无限数量的数字.
3. 我也知道分类是一种监督学习.

但令我困惑的是:

1. 线性回归(line fitting)是一种回归？如果是这样,为什么它的数据没有标记？例如,它的样本数据只是一些坐标,如(1,2),(2,3),(1,4)？
2. 逻辑回归(分类)是一种回归？如果是这样,为什么它的输出只是正常的(值,真,假,0或1)？

任何人都可以帮我解决这个问题？

Answer 1

1)线性回归受到监督,因为您拥有的数据包括输入和输出(也就是说).因此,例如,如果您有经销商处的汽车销售数据集.对于每辆车,您拥有品牌,型号,价格,颜色,折扣等,但您也拥有每辆车的销售数量.如果这个任务没有受到监督,你可能会有一个数据集,其中可能只包括品牌,型号,价格,颜色等(而不是实际的销售数量),你可以做的最好就是对数据进行集群.这个例子并不完美,但旨在了解全局.在决定某种方法是否受到监督时要问自己一个很好的问题就是问"我有办法判断输入的质量吗？".如果你有线性回归数据,你肯定可以.您只需评估输入数据的函数值(在本例中为线)来估算输出.在另一种情况下则不是这样.

2)Logistic回归实际上不是回归.该名称具有误导性,确实导致了很多混乱.它通常仅用于二进制预测,这使得它非常适合分类任务,但没有别的.

Answer 2

线性回归受到监督。您从具有已知因变量（标签）的数据集开始，训练模型，然后应用它。您正在尝试预测一个真实的数字，例如房屋的价格。

逻辑回归也受到监督。尽管它的名字如此，但它更像是一种分类器而不是回归技术。您正在尝试预测班级成员的几率比，例如某人死亡的几率。

无监督学习的例子包括聚类和关联分析。