Ozr
2024-04-13 17:28為什么同樣是分類和切割，SVM KNN只能用于Y離散，但是PCA, K clustering, H clustering可以用于Y連續(xù)?
所屬：CFA Level II > Quantitative Methods 視頻位置 相關(guān)試題
來(lái)源： 視頻位置 相關(guān)試題
1個(gè)回答
愛吃草莓的葡萄助教
2024-04-15 15:04
該回答已被題主采納
同學(xué)你好。SVM（支持向量機(jī)）和KNN（K最近鄰）是監(jiān)督學(xué)習(xí)算法，它們用于分類問題，其中輸出標(biāo)簽（Y）是離散的。SVM通過(guò)找到最優(yōu)的超平面來(lái)分隔不同類別的數(shù)據(jù)點(diǎn)，而KNN則是根據(jù)鄰近的已知標(biāo)簽數(shù)據(jù)點(diǎn)來(lái)對(duì)未知數(shù)據(jù)點(diǎn)進(jìn)行分類。這些算法的設(shè)計(jì)和目標(biāo)是為了預(yù)測(cè)或分類數(shù)據(jù)的標(biāo)簽，因此它們通常用于離散的輸出變量。
另一方面，PCA（主成分分析）、K-means聚類和層次聚類是非監(jiān)督學(xué)習(xí)算法，它們不依賴于輸出標(biāo)簽進(jìn)行數(shù)據(jù)分割或分類。這些算法的目標(biāo)是發(fā)現(xiàn)數(shù)據(jù)中的結(jié)構(gòu)、減少數(shù)據(jù)的維度或?qū)?shù)據(jù)進(jìn)行聚類，而不需要事先知道數(shù)據(jù)的標(biāo)簽。因此，它們可以用于連續(xù)數(shù)據(jù)的分析，因?yàn)樗鼈儾灰蕾囉陔x散的類別標(biāo)簽。
總的來(lái)說(shuō)，SVM和KNN之所以用于離散標(biāo)簽的分類問題，是因?yàn)樗鼈兊脑O(shè)計(jì)目的就是為了預(yù)測(cè)或分類數(shù)據(jù)的標(biāo)簽。而PCA、K-means聚類和層次聚類之所以可以用于連續(xù)數(shù)據(jù)，是因?yàn)樗鼈兊哪康脑谟谔剿鲾?shù)據(jù)結(jié)構(gòu)、降維或聚類，而不需要知道數(shù)據(jù)的標(biāo)簽。
0
0
0
0
