自动分类
简介
统计分类是机器学习非常重要的一个组成部分，它的目标是根据已知样本的某些特征，判断 一个新的样本属于哪种已知的样本类。分类是监督学习的一个实例，根据已知训练集提供的样本，通过计算选择特征参数，创建判别函数以对样本进行的分类。与之相对的是无监督学习，例如聚类分析。
自动化分类是Uniplore idis根据训练集提供的样本，通过计算选择特征参数，自动选择合适的分类算法，得到的分类结果比随机选择某种分类算法更准确。
相关概念
机器学习模型
机器学习模型是一种算法的表达，它通过梳理海量数据来查找模式或进行预测。
常见的分类算法
- 逻辑回归（Logistic Regression）
- 朴素贝叶斯（Naive Bayes）
- 最近邻（K-Nearest Neighbors）
- 决策树（Decision Tree）
- 支持向量机（Support Vector Machines）
算法参数及说明
| 参数 | 说明 |
|---|---|
| 无参数 | 无 |
案例
案例数据下载：iris.xlsx
案例介绍：Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
- Sepal.Length（花萼长度），单位是cm;
- Sepal.Width（花萼宽度），单位是cm;
- Petal.Length（花瓣长度），单位是cm;
- Petal.Width（花瓣宽度），单位是cm;
- 种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾）。
制作流程：
-
选择iris数据集；
-
在智能分析图表中选择自动分类；
-
在设置中的基础配置中选择状态为成功的分类模型，** 注意：数据集字段必须包含已选择的分类模型所使用的训练集字段 **；
如果模型列表中没有模型，需要创建模型，创建模型的链接：机器学习模型管理
-
进行数据探索
展示结果可以是表或散点图
