机器学习中的回归问题是依据样本的已知属性连续取值、训练模型并预测新样本输出数值的一类学习任务,核心构成包括损失度量、拟合算法与模型选择,常用回归模型有决策树模型、随机森林、GBDT模型、回归树模型与支持向量机模型,解决的是连续型目标值的预测问题,并不解决类别标签的归属判定问题。
机器学习中的回归问题是什么?
机器学习中的回归问题是依据样本的已知属性连续取值、训练模型并预测新样本输出数值的一类学习任务,核心构成包括损失度量、拟合算法与模型选择,常用回归模型有决策树模型、随机森林、GBDT模型、回归树模型与支持向量机模型,解决的是连续型目标值的预测问题,并不解决类别标签的归属判定问题。
🔗 本文链接