分類模型應用案例（Classification Cases）
- 信用評分（Credit Scoring）
- 輸入：收入、儲蓄、職業、年齡、信用歷史等等
- 輸出：是否貸款
- 醫療診斷（Medical Diagnosis）
- 輸入：現在症狀、年齡、性別、病史
- 輸出：哪種疾病
- 手寫文字識別（Handwritten Character Recognition）
- 輸入：文字圖片
- 輸出：是哪一個漢字
- 人臉識別（Face Recognition）
- 輸入：面部圖片
- 輸出：是哪個人
把分類當成迴歸去做？
不行。
-
假設有兩個類別，其中類別1的標籤為1，類別2的標籤為-1，那0就是分界線，大於0就是類別1，小於0就是類別2。
迴歸模型會懲罰那些太正確的樣本。如果結果遠遠大於1，它的分類應該是類別1還是類別2？這時為了降低整體誤差，需要調整已經找到的迴歸函式，就會導致結果的不準確。
-
假設有多個類別，類別1的標籤是1，類別2的標籤是2，類別3的標籤是3。
這樣的話，標籤間具有2和3相近、3大於2這種本來不存在的數字關係。
理想替代方案（Ideal Alternatives）
-
模型
模型可以根據特徵判斷型別，輸入是特徵，輸出是類別
-
損失函式
預測錯誤的次數，即\(L(f)=\sum_n\delta(f(x^n)\neq\hat y^n)\)。
這個函式不可微
-
如何找到最好的函式
比如感知機（Perceptron）、支援向量機（SVM）
Github（github.com）：@chouxianyu
Github Pages（github.io）：@臭鹹魚
知乎（zhihu.com）：@臭鹹魚
部落格園（cnblogs.com）：@臭鹹魚
B站（bilibili.com）：@絕版臭鹹魚
微信公眾號：@臭鹹魚的快樂生活
轉載請註明出處，歡迎討論和交流!