【机器学习】分类与回归——掌握两大核心算法的区别与应用

2024-09-17 11:07:08 浏览数 (1)

【机器学习】分类与回归——掌握两大核心算法的区别与应用

1. 引言

在机器学习中，分类和回归是两大核心算法。它们广泛应用于不同类型的预测问题。分类用于离散的输出，如预测图像中的对象类型，而回归则用于连续输出，如预测房价。本文将深入探讨分类与回归的区别，并通过代码示例展示它们在实际问题中的应用。

2. 什么是分类？

分类问题指的是将输入数据分配到预定义的离散类别中。常见的分类任务包括垃圾邮件检测、手写数字识别等。

分类的特征：
  • 输出为离散值：即数据属于某个特定类别。
  • 常用算法：如逻辑回归、支持向量机、决策树、随机森林、KNN等。
示例：逻辑回归（Logistic Regression）用于分类
代码语言：javascript复制
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 训练逻辑回归模型
model = LogisticRegression(max_iter=200)
model.fit(X_train, y_train)

# 预测与评估
y_pred = model.predict(X_test)
print(f"分类准确率: {accuracy_score(y_test, y_pred)}")

3. 什么是回归？

回归问题指的是预测一个连续的数值输出。常见的回归任务包括房价预测、股票价格预测等。

回归的特征：
  • 输出为连续值：即预测结果是一个具体数值。
  • 常用算法：如线性回归、决策树回归、支持向量回归（SVR）、Lasso回归等。
示例：线性回归（Linear Regression）用于回归
代码语言：javascript复制
import numpy as np
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 加载数据集
boston = load_boston()
X = boston.data
y = boston.target

# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测与评估
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print(f"均方误差: {mse}")

4. 分类与回归的区别

1. 输出类型不同：
  • 分类：输出为离散类别，例如[0, 1]，或者多类别如[猫, 狗, 鸟]。
  • 回归：输出为连续的数值，例如预测房价为250,000元。
2. 评估指标不同：
  • 分类常用指标：准确率（Accuracy）、混淆矩阵、ROC曲线、F1分数等。
  • 回归常用指标：均方误差（MSE）、均方根误差（RMSE）、R²等。
3. 模型不同：
  • 分类：常用的模型如逻辑回归、KNN、支持向量机等。
  • 回归：常用的模型如线性回归、岭回归、支持向量回归等。

5. 常见的分类算法

1. K 近邻算法（K-Nearest Neighbors, KNN）

KNN 是一种基于距离的分类算法，通过找到与输入数据最近的K个样本来进行分类。

KNN 示例代码：
代码语言：javascript复制
from sklearn.neighbors import KNeighborsClassifier

# 训练 KNN 模型
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 预测与评估
y_pred_knn = knn.predict(X_test)
print(f"KNN 分类准确率: {accuracy_score(y_test, y_pred_knn)}")
2. 支持向量机（SVM）

SVM 是一种分类算法，它通过找到一个超平面，将数据点划分到不同的类别中。

SVM 示例代码：
代码语言：javascript复制
from sklearn.svm import SVC

# 训练 SVM 模型
svm = SVC(kernel='linear')
svm.fit(X_train, y_train)

# 预测与评估
y_pred_svm = svm.predict(X_test)
print(f"SVM 分类准确率: {accuracy_score(y_test, y_pred_svm)}")

6. 常见的回归算法

1. 决策树回归（Decision Tree Regressor）

决策树是一种基于树形结构的回归算法，通过递归划分特征空间来预测目标值。

决策树回归示例代码：
代码语言：javascript复制
from sklearn.tree import DecisionTreeRegressor

# 训练决策树回归模型
tree = DecisionTreeRegressor()
tree.fit(X_train, y_train)

# 预测与评估
y_pred_tree = tree.predict(X_test)
print(f"决策树均方误差: {mean_squared_error(y_test, y_pred_tree)}")
2. 支持向量回归（SVR）

SVR 是支持向量机的回归版本，通过找到一个使得预测误差最小的超平面来进行回归预测。

SVR 示例代码：
代码语言：javascript复制
from sklearn.svm import SVR

# 训练支持向量回归模型
svr = SVR(kernel='linear')
svr.fit(X_train, y_train)

# 预测与评估
y_pred_svr = svr.predict(X_test)
print(f"SVR 均方误差: {mean_squared_error(y_test, y_pred_svr)}")

7. 如何选择分类或回归算法？

  1. 数据的输出类型：首先根据输出是离散值还是连续值选择分类或回归算法。
  2. 数据的规模与维度：不同的算法对数据规模和维度有不同的处理效果，如 SVM 适用于高维数据，而线性回归适用于低维数据。
  3. 计算资源：一些复杂的算法如支持向量机和神经网络需要大量计算资源，而简单的模型如线性回归和 KNN 相对较快。

8. 应用案例

案例1：使用逻辑回归预测是否为高收入人群
代码语言：javascript复制
from sklearn.datasets import fetch_openml

# 加载收入数据集
income_data = fetch_openml('adult', version=1)
X = income_data.data
y = income_data.target

# 预处理数据并进行训练和预测
# 省略具体代码，类似于上面的逻辑回归步骤
案例2：使用线性回归预测房价
代码语言：javascript复制
# 加载房价数据并应用线性回归模型预测
# 类似上面展示的线性回归示例

9. 总结与未来展望

分类和回归是机器学习中两类基本问题，它们分别解决了离散输出和连续输出的预测需求。通过理解二者的区别和实际应用，你可以更好地解决不同类型的预测问题。未来，随着数据集的增长和算法的优化，分类与回归算法将继续在各个领域中发挥重要作用。

10. 参考资料

  • 《机器学习实战》 by Peter Harrington
  • Scikit-learn 官方文档
算法 机器学习 线性回归 模型 数据

0 人点赞