或者简单来说你想在数据分析方面有更

asadul237

多更好的发展。在这种情况下我邀请您首先观看免费的分析数据培训其中我将告诉您如何分析数据并与您讨论和等工具。如果您愿意可以访问和课程。不管怎样很快再见我希望你使用来充分利用你的数据。拥抱它是最常用、最强大的监督机器学习策略之一可通过数据提供巨大的价值和知识。我相信您可以在您的具体案例中应用今天将要发现的这项技术。根据经验我告诉你我将与你分享的这种方法和步骤可以应用于的项目。准备好继续阅读并发现它是什么以及要遵循的步骤您今天可以实施的第一个监督机器学习技术是………是一个分类器。还有……什么是分类器只是一个允许您对组进行分类的数学工具。

我猜你还是没变……让我举几个例子分类器使我们能够估计患者患有或不患有某种疾病的概率。您可以估计潜在客户可以向您购买或不向您购买的可能性。您甚至可以知道运动员再次受伤的可能性。基本上分类 尼日利亚移动的电话数字 器允许您根据可以测量的特征来估计（预测）某个响应或目标变量。例如这张图片统计模型或算法的结构是从输入到输出。计算输出和输入之间的因果关系。输出取决于输入。我们有一个输出变量（目标变量或响应变量）来指示您是否患有疾病。我们根据输入变量来放置它。疾病=（患者特征）那是。让我们看看前面示例中的这个结构估计患者患有或不患有某种疾病的概率我的目标变量是“如果你患有这种疾病。



解释变量可以是患者的特征（年龄、性别、血液检查等）估计潜在客户可以向您购买或不向您购买的可能性我的目标变量是“买还是不买我的解释变量可能是潜在客户的行为（访问网站、他们是否参加网络研讨会、兴趣、年龄）计算运动员再次受伤的概率我的目标变量是“他是否受伤。我的解释变量可以是球员的特点、受伤的特点、受伤的时间、以前的受伤情况等等……分类是什么意思监督机器学习分类正是您在上一点示例中看到的即区分不同的组。（通常使用两组因为这样对于算法来说更容易。）也就是说根据患者的特征可以知道他或她是否可以被考虑属于有疾病或无疾病的组。就如此容易。在实践中我们如何计算这个表达式疾病=（患者特征）就像我们人类一样。学习。我们需要经验来学习。同样的事情也发生在算法和模型上。也就是说你需要历史数据。有了这些数据您就可以知道输入特征的值和目标变量的值。