Machine learning 机器学习，分类类型

我正在为我的机器学习（ML）课程学习，我有一个问题，用我目前的知识我找不到答案。假设我有以下数据集

att1 att2 att3 class
5    6    10   a
2    1    5    b
47   8    4    c
4    9    8    a
4    5    6    b

上面的数据集是明确的，我想我可以在训练我的数据集之后为新的输入数据应用分类算法。因为每个实例都有一个标签，所以很容易理解每个实例都有一个标记为的类。现在，我的问题是，如果我们有一个由不同实例组成的类，比如手势识别数据。任何类都将有多个指定其类的实例。比如说,

xcor ycord depth 
45   100   10
50   20    45
10   51    12

上面的三个实例属于A类，下面的三个实例作为一个组属于B类，我的意思是这三个数据实例一起构成了该类。对于手势数据，是指手的运动坐标

xcor ycord depth 
45   100   10
50   20    45
10   51    12

现在，我希望每个传入的三个实例都分组为A或B？是否可以在不单独标记每个实例的情况下标记所有实例A或B？作为一个例子，假设下面的组属于B，所以我希望所有实例都被标记为B，而不是单独标记为B，因为它们与类A或B的独立相似性？如果可能的话，我们怎么称呼它

xcor ycord depth 
45   10    10
5    20    87
10   51    44

---

看一看这个词的用法。如果你的训练数据中也包含类似的时间数据，那么我认为这项技术应该能很好地延续下去。

看看它的用法。如果你的训练数据中也包含类似的时间数据，那么我认为这项技术应该很好地延续下去。

看起来你可能会混淆不同类型的机器学习

类中给出的数据集是一个分类算法的示例。也就是说，给定一些数据和一些类，学习一个分类器，它可以根据新的、看不见的数据预测类。可以应用于此问题的分类器包括

• ,
• 等等

您描述的第二个问题是分类问题的示例。也就是说，给定一些没有标签的数据，我们希望找到一种自动的方法，用算法分离不同类型的数据（A和B）。解决这个问题的算法包括

• 然后是某种聚类

---

我会考虑运行因子分析或标准化数据，然后运行K-means或高斯混合模型。如果数据的A和B类型是可区分的，这应该会发现它们。

似乎您可能会混淆不同类型的机器学习

类中给出的数据集是一个分类算法的示例。也就是说，给定一些数据和一些类，学习一个分类器，它可以根据新的、看不见的数据预测类。可以应用于此问题的分类器包括

• ,
• 等等

您描述的第二个问题是分类问题的示例。也就是说，给定一些没有标签的数据，我们希望找到一种自动的方法，用算法分离不同类型的数据（A和B）。解决这个问题的算法包括

• 然后是某种聚类

---

我会考虑运行因子分析或标准化数据，然后运行K-means或高斯混合模型。如果数据的A和B类型是可区分的，那么这应该会发现它们。

我不认为您可能希望将数据集中数量不确定的行分组为给定类的功能。它们要么与类独立关联，要么都是要素，因此是唯一的行。比如：

Instead of
xcor ycord depth 
45   10    10
5    20    87
10   51    44

xcor1 ycord1 depth1 xcor2 ycord2 depth2 xcor3 ycord3 depth3  
45      10    10      5    20     87     10     51    44

大概是这样的：

Instead of
xcor ycord depth 
45   10    10
5    20    87
10   51    44

xcor1 ycord1 depth1 xcor2 ycord2 depth2 xcor3 ycord3 depth3  
45      10    10      5    20     87     10     51    44

---

这与时间序列建模所用的方法几乎相同，我不认为您可能希望将数据集中数量不确定的行分组为给定类的特征。它们要么与类独立关联，要么都是要素，因此是唯一的行。比如：

Instead of
xcor ycord depth 
45   10    10
5    20    87
10   51    44

xcor1 ycord1 depth1 xcor2 ycord2 depth2 xcor3 ycord3 depth3  
45      10    10      5    20     87     10     51    44

大概是这样的：

Instead of
xcor ycord depth 
45   10    10
5    20    87
10   51    44

xcor1 ycord1 depth1 xcor2 ycord2 depth2 xcor3 ycord3 depth3  
45      10    10      5    20     87     10     51    44

---

这与时间序列建模的方法几乎相同，例如，我们有一个在线手写文本识别数据集。它可能包含每个笔划的数据坐标（x，y）。因此，一组实例将被标记为a，另一组实例将被标记为B。因此，对于任意坐标集，我们可以将所有传入坐标分类为a或B，而不将每个坐标标记为a或B吗？如果你不理解我，没关系。也许，我仍然不太清楚我在说什么。例如，我们有一个在线手写文本识别数据集。它可能包含每个笔划的数据坐标（x，y）。因此，一组实例将被标记为a，另一组实例将被标记为B。因此，对于任意坐标集，我们可以将所有传入坐标分类为a或B，而不将每个坐标标记为a或B吗？如果你不理解我，没关系。也许，我仍然不知道我在说什么。谢谢。我想学的就是这么简单。我刚开始为我的班级学习，我只是好奇，如果我有这样的问题，我该如何为我的数据建模。约翰达维德：没问题，我们在某些时候都有这种怀疑。我只是不确定这是否是你想知道的。干杯非常感谢。我想学的就是这么简单。我刚开始为我的班级学习，我只是好奇如果我有这个ki，我怎么能为我的数据建模