问答 · ANSWER
分类算法概述是什么？
直接回答
分类算法是将数据样本映射到预先定义类别标签的机器学习算法，基于带标签的历史数据学习分类边界，用于预测新数据的类别。
关键要点
- 分类算法是将数据样本映射到预先定义类别标签的算法。
- 其核心是基于带标签的历史数据学习一个分类边界或区域。
- 典型应用场景包括人脸识别、垃圾邮件检测和信用风险评估。
- 模型训练的本质是寻找能尽可能正确划分训练数据的分类边界。
- 模型预测的本质是根据新样本在特征空间中所处的区域决定其类别。
怎么选 / 怎么做
分类算法遵循一个通用模式：1. 提供大量“数据-标签”对进行训练，让算法学习关联规律。2. 训练完成后，模型得到一个分类边界（在二维是线或曲线，在高维是超平面）。3. 对于新数据，根据其特征落入的决策区域预测其类别。
常见问题
分类和聚类的主要区别是什么？
分类需要已知标签，是有监督学习；聚类无需标签，是无监督学习。
分类模型如何做预测？
将新样本放入训练好的特征空间，根据其落入的类别区域进行归类。