【读书1】【2017】MATLAB与深度学习——分类与回归(1)

类似地，分类问题的训练数据看起来是这样的：{输入，类别}。

Similarly, the training data of theclassification problem looks like this : { input, class }.

在分类问题中，我们想知道输入数据属于哪个类别。

In the classification problem, we want toknow which class the input belongs to.

因此，数据对具有对应于输入的正确输出的类别。

So the data pair has the class in place ofthe correct output corresponding to the input.

让我们举一个例子。

Let’s proceed with an example.

考虑我们在前面讨论过的相同的数据分组问题。

Consider the same grouping problem that wehave been discussing.

我们希望机器学习输出的模型能够识别出用户输入数据坐标（X，Y）属于(∆和•)中的哪个类别（如图1-13所示）。

The model we want Machine Learning toanswer is which one of the two classes (∆ and•) does the user’s inputcoordinate (X, Y) belong (see Figure 1-13).

图1-13 从分类的角度看同样的数据Same data viewed fromthe perspective of classification

在这种情况下，元素的N个集合的训练数据看起来应当如图1-14所示。

In this case, the training data of N setsof the element will look like Figure 1-14.

图1-14 数据分类Classifying the data

相反，回归并不决定数据的类别问题。

In contrast, the regression does notdetermine the class.

相反，回归的目的是估计出一个值。

Instead, it estimates a value.

例如，如果你有年龄和收入的数据集（用•表示），并且希望找到按年龄估计收入的模型，那么它就变成了一个回归问题（参见图1-15）。

As an example, if you have datasets of ageand income (indicated with a•) and want to find the model that estimates incomeby age, it becomes a regression problem (see Figure 1-15).

图1-15 年龄与收入数据集Datasets of age and income

“回归”这个词的本义是回到平均水平。

The original meaning of the word “regress”is to go back to an average.

英国遗传学家弗朗西斯·高尔顿（Francis Galton）研究了父母和孩子身高的相关性，发现个体身高与总人口的平均身高趋于一致。

Francis Galton, a British geneticist,researched the correlation of the height of parents and children and found outthat the individual height converged to the average of the total population.

他将自己的方法命名为“回归分析”。

He named his methodology “regressionanalysis.”

这个例子的数据集看起来如图1-16中的表格，其中X和Y分别是年龄和收入。

The dataset of this example will look likethe table in Figure 1-16, where X and Y are age and income, respectively.

——本文译自Phil Kim所著的《Matlab Deep Learning》

更多精彩文章请关注微信号：