2 第 1章 引言
内容导航C O N T E N T S
合成氨变换工段聚类算法
特征空间与距离
分类算法
8.1
8.2
8.3
8.4集成学习
3
第 1章 引言
8.1 特征空间与距离
l “方以类聚,物以分”。
l 机器学习与基于规则的推理不同,是一个以数据为基础的归纳学习模式和规律的过程。l 分类和聚类是两种典型的机器学习应用。
l
在分类时,已知类别的个数,每一个类别分配了一个唯一的标签,分类就是根据带标签的样本学习得到一个分类器,再对一个不带标签的测试对象按照应属类别为它加上标签的过程。l 与分类不同,聚类的样本数据不带有标签,根据样本之间的相似程度来将样本分为几个类别(或者叫簇),并且期望在每个类别的内部,样本之间的相似程度尽可能大,而不同在类别之间,样本的相似程度尽可能小。
l
样本可以表示成样本空间中的点,二距离代表了点之间的(不)相似程度。
4
第 1章 引言
聚类与分类
新潮生活周刊
5
2010年土耳其世锦赛第 1章 引言
距离的含义:鸢尾花数据集
电子导盲仪>aesop
滑差离合器
> data(iris)> str(iris)
'data.frame': 150 obs. of 5 variables:
$ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ... $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ... $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ... $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ... $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
l R内置iris数据集共150个样本,特征向量为x =(花萼长度,花萼宽度,花瓣长度,花瓣宽度)。
l 类别标签为花的品种,分别是setosa、versicolor和virginica 三种。