當我們說到機器學習時，一個很高頻的詞：“分類”，會經常出現，那當我們說“分類”的時候，我們到底在說什么？

我查了很多博客、書籍、資料，提到“分類”，馬上就進入“分類算法”的介紹描述，又是KNN(K最近鄰算法)，又是樸素貝葉斯等等。當然，可能是因為“分類”太常見了，所以大家都不肖一提。但對我們自己來說，要建立宏偉的“機器學習”能力大廈，一些基礎的概念就好似大廈的地基，是必須穩固堅實的。

我們看一看“分類”的原始定義，根據百度百科的定義：

分類是指按照種類、等級或性質分別歸類。

這個定義其實隱含有“分類”的2個重要信息：一是“按照種類、等級或性質”，意思是我們事先已經知道了“種類、等級或性質”，即我們知道要分成幾類，分成哪些類。例如我們要把收到的電子郵件分類，我們分類之前已經知道要分為2類，一類是“正常郵件”，另一類是“垃圾郵件”。二是分類是個過程，例如將100封電子郵件，分別歸類到“正常郵件”和“垃圾郵件”這2個類別名下。

有了這個基本認識，我們再來看一個大家容易忽視的問題：

我們為什么要分類？

先看看如果我們“不分類”有什么問題。今天你上餐館吃飯，老板問你要吃什么菜？你說吃蔬菜。吃什么蔬菜？老板一臉茫然！你去奧特萊斯，對服務員說，給我來一件衣服。什么衣服？服務員一臉懵逼。

看到沒，沒有“分類”我們是無法正常生活的。

那么我們分類的目的其實就是把大量的事物細分成不同的種類，使得我們對某一個具體的事物有共同的理解和認識。例如把蔬菜分類成菠菜、小白菜、大白菜、芹菜、胡蘿卜、白蘿卜等等，把衣服分成外套、內衣、襯衣、短褲、長褲等等，這樣我們才有正常溝通交流的基礎。

當然，除了日常生活中的溝通交流，分類其實還有更多方面的考慮和應用。例如，垃圾的分類，既可以提高垃圾的回收利用水平，又可減少垃圾處理工作量。企業把客戶分成大客戶、優質客戶、普通客戶等，也是增強營銷針對性、集中企業資源、發現市場機會，更好的提升企業競爭力和效益的重要手段和措施。銀行把客戶分成鉑金用戶、黃金用戶、白銀用戶、黑名單用戶等等，分別給予不同的貸款利率或理財產品，也是基于風險和利潤的綜合權衡。事實上，各行各業都有分類的需要和廣闊的應用場景。那在機器學習中，“分類”一般用來干嗎？應用場景也很多，垃圾郵件檢測，人臉識別，文字識別，語音識別，醫療分析，客戶分類，貸款審查等等。

所以，分類很重要。這也是為什么“分類”是機器學習領域非常核心的內容。

那具體的分類過程是怎樣開展的呢？我們來舉個例子：假設你是一位超市的蔬菜采購員，今天到一位農戶那里采購辣椒，農戶的辣椒很多，給了你10籮筐，每框大約1000個，有好有壞。你先挑第1框，挑了10分鐘，挑出來400個品相好的辣椒，剩下的600個是品相不好的辣椒。這就是一個“分類”應用，你把農戶的辣椒分成了品相好的和品相不好的2個種類。

注意，這個實際例子中隱含著幾個非常重要的信息。首先，你靠什么判斷辣椒是品相好的，還是品相不好的？那就是辣椒的特征，例如大小、顏色、光澤、表面平整度等等，也就是說，這些特征已經存儲在你的大腦中，那這些特征是怎樣存儲在你的大腦中的，是因為你以前挑選過無數的辣椒，經歷過長期的選辣椒“訓練”，那些好辣椒的特征已經存儲在你的大腦中。其次，你挑出一個辣椒，按照這些特征與你大腦中的品相好的辣椒進行對比，類似的就是品相好的，不類似的就是品相不好的。這就是“相似度計算”，或者叫“距離計算”。計算方法就是根據辣椒的這些特征進行綜合計算，可以簡單加權，可以單項決策，看你自己的大腦怎樣定了，這就是“相似度計算方法”或叫“距離計算方法”。最后，什么是類似，什么是不類似？靠什么標準判斷？這個標準就是你大腦中設置的“閾值”，例如相似度大于50%這個閾值，你就歸到品相好的一類，相似度低于50%的閾值，你就歸到品相不好的一類。

看到這里，你應該明白了這個現實場景與“機器學習”的關系了。我們再延伸一步，假設今天你帶了一位實習采購員，以前從來沒有采購過辣椒。你在挑這第1框1000個辣椒的時候，他在旁邊看著，哪個是好辣椒，哪個是不好的辣椒。然后這一籮筐你挑完了，農戶那還有9籮筐呢，你告訴實習采購員，讓他去挑剩下的9籮筐。他剛剛在一旁看你挑第1框的1000個辣椒，這就是“訓練”，然后他去挑剩下的9籮筐，就是“預測”，最終的效果是將9籮筐的辣椒分成了2類。如果這個實習采購員是一個機器人或電腦，這就是“機器學習”的“分類”，也可以說是“機器學習”進行了一次“分類”方面的應用。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的当我们说“分类”的时候，我们到底在说什么？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。