簡介
分類模型的輸出會分門別類，這表示這些輸出可以用來標記輸入或做決策。 例如，自駕車會使用分類來決定行駛到分叉路口時要左轉還是右轉。 分類模型不同於傳統的迴歸模型，後者的輸出是連續的，例如鞋子的大小或火車的速度。 分類模型的運作方式五花八門。 若要開始，請讓我們將重心放在羅吉斯迴歸，這種模型比較簡單且受到歡迎，目前廣泛用於許多不同的科學和產業領域。
案例：使用機器學習來預測雪崩
在本課程模組中，我們會使用下列範例案例來解釋分類的相關概念。 此案例的設計目的是提供範例，讓您在自行設計程式時，可知道如何滿足這些概念。
您的慈善機構負責執行美國西北部登山路線的雪崩搜救任務。 當然，最安全的辦法是在滑雪和登山季節永久封閉所有的路線，但這就表示所有熱愛運動的人都無法享受戶外活動的美妙之處! 您的目標是要建置模型來預測某一天是否可能發生雪崩。 然後使用該預測，您便可以在風險較高時封閉登山路線。 記住，當您做預測時: 如果預測到雪崩卻沒有發生，將會傷害當地的觀光產業，但沒有預測到雪崩卻真的發生時，損失的就是生命了。 很明顯地，您必須找到平衡點。
警告
這些練習的資料為捏造內容，且僅出於教育目的。 對於那些渴望登山和滑雪的人: 機器學習可以用於雪崩預測，但除了了解機器學習之外，請勿使用此資料或您經訓練的模型。
必要條件
- 熟悉機器學習模型
學習目標
在本單元中，您將：
- 探索分類與傳統迴歸有何不同
- 建置可以執行分類工作的模型
- 探索如何評估和改善分類模型