自动分类

2025-10-13 08:08:46 2014德国世界杯

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