如何定義target來使用監督與非監督模型? - Cupoy

2019/05/27 下午 09:15

機器學習共學討論版

Alan

觀看數：22

回答數：2

收藏數：0

ml100-2

ml100-2-d38

不好意思，我想問一下，target是label後的數值嗎?然後我知道target是用來區別監督和非監督，那麼target只有0,1適合logistic ，0,1,2.....適合回歸，是這樣區分嗎?然後對於作業38的結果不是很了解，是要算哪個準確率?

#ml100-2-d38

回答列表

• 2019/05/27 下午 11:42
  Jimmy
  贊同數：1
  不贊同數：0
  留言數：1

  Hi Alan!

  
  

  只要資料中有明確的 X 與對應到的 Y，這就是監督式學習。可以再仔細看一下 Day 31 的講義。

  
  

  應該要說，你必須清楚這個資料的目標是甚麼? 分類還是回歸，舉例來說，sklearn.dataset.wine 這個資料集就是分類問題，透過資料來預測酒的三個等級；而 sklearn.dataset.boston 則是預測房價，這時就會變成回歸問題，因為 target (label) 都會變成實數，要清楚每個資料集的目標究竟是甚麼，才能找到對應的評估指標喔 (e.g. 準確率、MAE 等)  

• 2019/05/28 上午 10:29
  張維元 (WeiYuan)
  贊同數：
  不贊同數：
  留言數：

  我這邊補充一下關於監督與非監督模型的分類：

  
  

  1. 監督式學習(supervised learning)：有 Target Label 欄位

  • 二元分類問題（binary classification）Target Label 欄位是離散值，且只有兩種可能
  • 多類別分類問題（multi-class classification）：Target Label 欄位是離散值，但超過兩種可能 
  • 多標籤分類問題（multi-label classification）：有多個 Target Label 欄位
  • 連續量的迴歸問題（regression）：Target Label 欄位是連續值

  2. 非監督式學習(unsupervised learning)：沒有 Target Label 欄位