当前位置：首页 > news >正文

【机器学习四大核心任务类型详解】分类、回归、聚类、降维都是什么？

news 2025/7/7 11:21:14

一、分类任务（Classification）

1.1 定义

1.2 分类的两种形式

1. 二分类（Binary Classification）

2. 多分类（Multi-class Classification）

二、回归任务（Regression）

2.1 定义

2.2 举例

2.3 常用算法：

三、聚类任务（Clustering）

3.1 定义

3.2 举例

3.3 常用算法：

四、降维任务（Dimensionality Reduction）

4.1 定义

4.2 举例

4.3 常用方法：

🧭 小结：任务类型速查表

五、写在最后：怎么知道用哪种任务？

📚 推荐阅读与学习路径：

作者：一叶轻舟 | AI应用开发者 & 技术博主
🗓️ 发布时间：2025年6月22日

在进入机器学习领域后，你很快会遇到各种“任务类型”这样的说法，比如分类任务、回归任务、聚类任务、降维任务……

刚开始接触时是不是有点懵？这些任务到底有什么区别？怎么判断一个问题该用哪种方法来解决？

今天这篇文章，我们就来系统梳理机器学习中的几大典型任务类型，每种任务我都会配上简单易懂的例子，让你一看就明白！

一、分类任务（Classification）

1.1 定义

分类是指：根据样本的特征，把它分配到一个具体的类别中。
常用于判断事物属于哪个“标签”或“种类”。

🧪 举例：

判断一封邮件是不是垃圾邮件

判断一个评论是正面还是负面（情感分析）

判断一张图片是猫还是狗

1.2 分类的两种形式

1. 二分类（Binary Classification）

只有两个选项，正例 or 负例。

📌 示例：

肿瘤是良性 or 恶性
用户是否会流失（是 or 否）

常见算法：逻辑回归、支持向量机（SVM）、XGBoost（二分类模式）

2. 多分类（Multi-class Classification）

超过两个类别，每个样本只属于其中之一。

📌 示例：

一张图片是猫、狗、马，三选一
新闻属于“体育”、“财经”还是“娱乐”？

常见算法：Softmax 回归、随机森林、深度神经网络（DNN）

二、回归任务（Regression）

2.1 定义

回归是指：根据已有数据，预测一个连续的数值结果。

📌 简单说：分类预测的是“属于哪一类”，回归预测的是“具体的数值”。

2.2 举例

房价预测（100万 or 120万）
股价趋势分析（明天涨0.5元还是跌0.2元）
用户评分预测（4.7星）

2.3 常用算法：

线性回归（Linear Regression）
决策树回归（Decision Tree Regressor）
XGBoost / LightGBM 回归模式
神经网络（用于复杂非线性问题）

🧠 技术理解：回归的目标是拟合一个函数关系，通常衡量预测与真实之间的“误差”（MSE、MAE等）。

三、聚类任务（Clustering）

3.1 定义

聚类属于无监督学习，它不需要标签数据，模型会自动将样本根据相似性划分为不同组别（簇）。

📌 聚类的目标是：“谁和谁像，就分成一组”。