【AI人工智慧】迴歸還是分類
更新於 發佈於 閱讀時間約 2 分鐘
在機器學習領域裡面，我們常常可以將問題分成兩種類型，一種是迴歸問題，而另一種則是分類問題，如何釐清我們所想要解決的問題是隸屬於那一類，是非常重要的一件事情，今天我們就來瞭解一下這兩種問題之間的差異吧！
（*）在機器學習裡面，天下沒有白吃的午餐定理（No free lunch theorem）指的是假如有一個演算法在特定的問題上表現優於其他演算法，則必定存在其他問題使得該演算法的表現差於其他演算法。
當我們所要預測的目標為一個連續之數值的時候，我們便稱此類的問題為迴歸問題，而相對應的，當我們想要預測的目標為眾多類別當中的其中一種類別，那此問題則為分類問題。
舉個例子來說吧，假設我們想要藉由過往的金融資料去預測台積電明天的股價，由於股價是屬於一個連續的數值，因此像這樣一個問題就是屬於迴歸問題。然而，如果我們將問題改成預測明天台積電股價是否會漲還是跌，這樣一個問題則會變為分類問題。
在迴歸問題當中，我們期望能找到一條符合資料分佈的函數，這個函數可能不一定是線性函數那麼單純，很多時候可能是一個非常複雜的高維度函數！但如果我們真的能找到了一個不差的函數來擬合這些資料點，那麼我們便能藉由此函數來幫助我們預測未知資料點所對應的數值，這就是整個迴歸所想要解決的問題。
至於在分類問題當中，我們則希望找到一個能將不同類別資料分開來的函數，如果能找到一個能將大部份不同種類資料分得夠好的函數，那麼當未來我們有新的資料想要預測類別時，我們變能用此函數判斷他是屬於哪個區域，進而判斷此新資料是屬於哪個類別！
不管是迴歸問題還是分類問題，到底我們是如何找到這些我們所期望的函數呢？這就仰賴許許多多不同的演算法啦！也因為這樣，每次總是會有人問，在那麼多演算法當中，有沒有目前被公認最好且能把大部分的問題解決的演算法呢？
答案是否定的，很多時候不同領域、不同資料集以及不同應用需求下，我們常常需要去嘗試不同類型的想法，並沒有所謂單一演算法在各個情況下均勝過其他演算法這樣一個情形，這也就是非常著名的數學定理”天下沒有白吃的午餐定理”(*)所要告訴我們的，所以說如何將某特定問題解決的很好還是需要勤奮的去找尋那個最適合的演算法啦！
＊本文由知名AI講師-Isaac Lee 李厚均所撰寫
文章轉載自我們共同經營的粉絲頁-小李談數智https://www.facebook.com/isaac60103
文章轉載自我們共同經營的粉絲頁-小李談數智https://www.facebook.com/isaac60103
更多圖解內容可以到 耀西圖像視覺化教室看看https://www.facebook.com/YoshiGraphics
即將進入廣告，捲動後可繼續閱讀
為什麼會看到廣告
11會員
33內容數
留言0
查看全部
你可能也想看
Google News 追蹤
現代社會跟以前不同了，人人都有一支手機，只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行，然而如今科技快速發展之下，金融App無聲無息地進到你生活中。但同樣的，每一家銀行都有自己的App時，我們又該如何選擇呢？(本文係由國泰世華銀行邀約)
今天我會用不同角度帶大家看這款國泰世華CUB
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
我們其實每天都在做大大小小的決策，小到決定要去巷口買哪一間早餐，大到職涯以及伴侶的選擇，但是我們可能都沒有認真看待這些決策的品質。
為什麼人類下圍棋輸給AI是一件必然的事?
我們的思考方式跟AI是完全不一樣的，我們只能看著這一步來決定下一步該做什麼動作，雖然圍棋高手可以推算到好幾步之後的情形，但
反省就是重寫自己的演算法吧？
假設我就是人工智慧，或心智的可以被看作爲人工智慧的編輯器，那我的程式碼是什麼樣的？
從懵懂無知到一無所知，從自以為是到自我消逝，心智只是執行它的內容，我也需要不斷優化。
最好的優化就是簡化。
最能創造財富的演算法就是關於如何除錯與減少任何風險。
本篇文章介紹了一種簡單但正確的評估方法，以投資評估總分和本益比為依據，給出了公司的投資評級，並以臺積電和NVDA作為範例。文章還提到了演算法的重要性，以及執行長數學的思路。建議投資者試用這種投資策略來輔助自己的投資。
在人工智能的發展歷程中，早期的研究主要側重於將解決問題的規則輸入計算機，試圖通過啟蒙運動理性的思路模擬人類的智能行為。然而，這條路逐漸變得艱難，因為規則過於繁多，無法應對複雜的情境和語境。在這個背景下，一些科學家轉向了神經網絡算法，試圖模擬人腦的感知能力。
本文介紹瞭如何使用 Excel VBA 解決規劃求解問題的實際案例，並展示了「回溯算法」(Backtracking) 的應用。通過此案例，專業人士可以更好地理解並利用數據，進而在商業環境中做出更精確的決策。
這篇文章，會帶著大家複習以前學過的遞回框架，
並且鏈結串列的概念與應用為核心，
貫穿一些相關聯的題目，透過框架複現來幫助讀者理解這個演算法框架。
遞回框架
尋找共通模式(common pattern)，對應到演算法的General case
確立初始條件(initial conditio
這篇文章，會帶著大家複習以前學過的FSM+DP框架，
並且以有限狀態機 + DP狀態轉移的概念為核心，
貫穿一些相關聯最佳股票買賣系列的題目，
透過框架複現來幫助讀者理解這個實用的演算法框架。
基本的FSM + DP 框架，配合交易邏輯。
針對每一天，其實歸根究柢只有兩種狀態。
第一種
重點摘要：
課題分離要解決人際的煩惱，要區分什麼是你的課題，什麼是我的課題。
對錯觀-誰的損失大就是誰的錯法學家的對錯觀-依據證據進行判斷經濟學家的對錯觀-看誰付出的成本高商人的對錯觀-個人利益最大化
邏輯運算子
它們在許多情境下都是程式語言中重要的工具，用於進行條件判斷和控制流程
在日常中總會遇到有些需要思考判斷的問題，比如要買東西，就會考慮到CP值，東西要好且要便宜，就是and的概念，如果在一些比較複雜的狀況，例如想晚餐吃什麼，就會想火鍋或燒烤都行，這就是or的概念。
現代社會跟以前不同了，人人都有一支手機，只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行，然而如今科技快速發展之下，金融App無聲無息地進到你生活中。但同樣的，每一家銀行都有自己的App時，我們又該如何選擇呢？(本文係由國泰世華銀行邀約)
今天我會用不同角度帶大家看這款國泰世華CUB
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
我們其實每天都在做大大小小的決策，小到決定要去巷口買哪一間早餐，大到職涯以及伴侶的選擇，但是我們可能都沒有認真看待這些決策的品質。
為什麼人類下圍棋輸給AI是一件必然的事?
我們的思考方式跟AI是完全不一樣的，我們只能看著這一步來決定下一步該做什麼動作，雖然圍棋高手可以推算到好幾步之後的情形，但
反省就是重寫自己的演算法吧？
假設我就是人工智慧，或心智的可以被看作爲人工智慧的編輯器，那我的程式碼是什麼樣的？
從懵懂無知到一無所知，從自以為是到自我消逝，心智只是執行它的內容，我也需要不斷優化。
最好的優化就是簡化。
最能創造財富的演算法就是關於如何除錯與減少任何風險。
本篇文章介紹了一種簡單但正確的評估方法，以投資評估總分和本益比為依據，給出了公司的投資評級，並以臺積電和NVDA作為範例。文章還提到了演算法的重要性，以及執行長數學的思路。建議投資者試用這種投資策略來輔助自己的投資。
在人工智能的發展歷程中，早期的研究主要側重於將解決問題的規則輸入計算機，試圖通過啟蒙運動理性的思路模擬人類的智能行為。然而，這條路逐漸變得艱難，因為規則過於繁多，無法應對複雜的情境和語境。在這個背景下，一些科學家轉向了神經網絡算法，試圖模擬人腦的感知能力。
本文介紹瞭如何使用 Excel VBA 解決規劃求解問題的實際案例，並展示了「回溯算法」(Backtracking) 的應用。通過此案例，專業人士可以更好地理解並利用數據，進而在商業環境中做出更精確的決策。
這篇文章，會帶著大家複習以前學過的遞回框架，
並且鏈結串列的概念與應用為核心，
貫穿一些相關聯的題目，透過框架複現來幫助讀者理解這個演算法框架。
遞回框架
尋找共通模式(common pattern)，對應到演算法的General case
確立初始條件(initial conditio
這篇文章，會帶著大家複習以前學過的FSM+DP框架，
並且以有限狀態機 + DP狀態轉移的概念為核心，
貫穿一些相關聯最佳股票買賣系列的題目，
透過框架複現來幫助讀者理解這個實用的演算法框架。
基本的FSM + DP 框架，配合交易邏輯。
針對每一天，其實歸根究柢只有兩種狀態。
第一種
重點摘要：
課題分離要解決人際的煩惱，要區分什麼是你的課題，什麼是我的課題。
對錯觀-誰的損失大就是誰的錯法學家的對錯觀-依據證據進行判斷經濟學家的對錯觀-看誰付出的成本高商人的對錯觀-個人利益最大化
邏輯運算子
它們在許多情境下都是程式語言中重要的工具，用於進行條件判斷和控制流程
在日常中總會遇到有些需要思考判斷的問題，比如要買東西，就會考慮到CP值，東西要好且要便宜，就是and的概念，如果在一些比較複雜的狀況，例如想晚餐吃什麼，就會想火鍋或燒烤都行，這就是or的概念。