机器学习入门指南

1、回归分析主要应用于解决连续型变量的预测问题，而分类方法则用于处理离散型变量的归类任务。在将回归模型转化为分类模型的过程中，通常借助激活函数f(x)进行映射转换，常见的激活函数包括sigmoid函数以及符号函数等，具体示例如下：

2、线性分类方法旨在对未经过任何预处理的原始数据实施全面且整体的线性可分性分析。
经处理后的数据：特征选择
针对数据的划分讨论如下：决策树和随机森林

3、线性分类方法主要应用于能够被线性分割的问题，依据其分类标准的不同，可以划分为软分类与硬分类两类。其中，硬分类是依据决策边界进行判断的，直接输出-1与1两种类别；而软分类则是基于概率值p(Y=1)与P(Y=-1)进行判断的，通过比较这两个概率值的大小来确定最终的分类结果。

4、然而，对于那些具有非线性特征的问题，