[交叉驗證]機器學習中分類器的選擇

在機器學習中，分類器作用是在標記好類別的訓練數據基礎上判斷一個新的觀察樣本所屬的類別。分類器依據學習的方式可以分爲非監督學習和監督學習。非監督學習顧名思義指的是給予分類器學習的樣本但沒有相對應類別標籤，主要是尋找未標記數據中的隱藏結構。，監督學習通過標記的訓練數據推斷出分類函數，分類函數可以用來將新樣本映射到對應的標籤。在監督學習方式中，每個訓練樣本包括訓練樣本的特徵和相對應的標籤。監督學習的流程

>>阅读原文<<