正在阅读：关于机器学习 这些最熟悉的陌生词你都懂吗?关于机器学习 这些最熟悉的陌生词你都懂吗?

　　下面要说的是分类与回归，之所以将两者放在一起说，是因为它们之间联系紧密。关于分类的含义，是打造模型，将数据分类进入不同类别。这些模型的打造方式，是输入一个训练数据库，其中有预先标记好的类别供算法进行学习。之后，在模型中输入类别未经标记的数据库，让模型基于它从训练数据库中所学到的知识，预测新数据的类别。

　　由于分类算法需要明确的类别标记，因此它算的上是“监督学习”的一种形式。至于回归，其与分类紧密联系在一起。怎么讲？分类是预测离散的类别，而回归则适用于预测“类别”由连续的数字组成的情况下，我们说的线性回归，便是回归技术的一个例子。

　　什么是决策树？是一种自上而下，分步解决的递归分类器。通常来说，决策树由两种任务组成，即归纳与修剪。其中，归纳是用一组预先分类的数据作为输入，判断最好用哪些特性来分类，之后再将数据库分类，基于其产生的分类数据库再进行递归，直至所有的训练数据都完成分类。

　　打造决策树的目标是找到特性来分类，以创造出最纯粹的子节。如此，要将数据库中所有数据分类，只需最少的分类次数，这种纯度是以信息的概念来衡量。而一个完整的决策树模型可能过于复杂，包含非必要结构，难于解读。因此，还需简化这个环节，将不需要的结构从决策树中剔除，令决策树更高效更简单易读也更加精确。