北大公开课-人工智能基础 55 机器学习的任务之分类

机器学习的典型任务包括：分类 (classification)、回归 (regression)、聚类 (clustering)、排序 (ranking)、密度估计 (density estimation)、特征降维 (dimensionality reduction)等1。其中，

分类是指将数据分成不同的类别，

回归是指预测数值型数据，

聚类是指将数据分成不同的组，

排序是指将数据按照某种规则进行排序，

密度估计是指根据样本数据估计概率密度函数，

特征降维是指将高维数据转化为低维数据1。

在机器学习中，分类任务是指针对输入数据中的给定示例预测其类别标签的预测性建模问题。最常见的分类任务是二分类问题，即将要区分的数据分为两个类别。例如，将病人的检查结果分为有病和健康，是一个医学方面的二分类问题。其他常见的分类任务包括多类别分类、多标签分类和不平衡分类等。

机器学习的分类任务有很多，其中一个典型的例子是将数据分成不同的类别。例如，将电子邮件分为“垃圾邮件”或“非垃圾邮件”1。在机器学习中，分类是指针对输入数据中的给定示例预测其类别标签的预测性建模问题。从建模的角度来看，分类需要一个训练数据集，其中包含许多可供学习的输入和输出示例。模型将会使用训练数据集并计算如何将输入数据映射到最符合的特定类别标签。