machine-learning 分类
示例
想象一个系统想要检测一篮水果中的苹果和橙子。系统可以采摘水果，提取水果的某些特性（例如，该水果的重量）。
假设系统有一位老师！教该系统哪些对象是苹果，哪些是橙子。这是监督分类问题的一个示例。由于我们已标记了示例，因此受到了监督。这是分类，因为输出也可以预测我们的对象也属于哪个类。
在此示例中，我们考虑了3个功能（属性/解释变量）：
所选水果的重量大于.5克
尺寸大于10厘米
颜色是红色吗
（0表示否，1表示是）
因此，代表一个苹果/橙色，我们有一个series(calledvector)3properties(oftencalledafeaturevector)
（例如[0,0,1]表示此水果重量不大于0.5克，其大小不大于10厘米，颜色为红色）
因此，我们随机选择10个水果并测量其性质。然后，老师（人类）将每个水果手动标记为apple=>[1]或orange=>[2]。
例如：老师选择一种苹果水果。这个苹果在系统上的表示可能是这样的：[1，1，1]=>[1]，这意味着该水果的1.重量大于.5克，2.尺寸大于10厘米，并且3。这种水果的颜色是红色，最后是苹果（=>[1]）
因此，对于所有10个水果，老师将每个水果标记为apple[=>1]或orange[=>2]，然后系统会找到其属性。如您所料，我们有一系列vector(thatcalleditmatrix)代表整个10种水果。