什么是机器学习分类

两群各自聚在一起

点又散开了，不过这回每个点都有颜色：一种颜色是垃圾邮件，另一种是正常邮件。点的位置由邮件的特征决定，比如横轴是链接数，纵轴是广告词的个数。
仔细看会发现，同色的点聚在相近的位置：垃圾邮件跟垃圾邮件在一起，正常邮件跟正常邮件在一起。这是因为特征相近的东西会挨得近。

点展开。混在一起的点按颜色聚到相近的位置，两群就显现出来了。

两群看得出来：左边聚着一种颜色，右边聚着另一种。人一眼就能分开，可要让计算机来做，需要的不是目测，而是明确的规则。
画一条线，标出哪边到哪儿为止、另一边从哪儿开始，规则就清清楚楚了。

在中间画一条边界线

在两群之间画一条线，这条线叫决策边界。线的一边是一群的地盘，另一边是另一群的地盘。
好的边界线能把两群干干净净地分开，哪种颜色的点都不越线。线要是画偏了，颜色就会混在一起，所以位置要选好。

点一下移动边界线。偏向一边，同色的点就会越线；放在中间，两群就干干净净地分开。

边界线把两群分开了。现在可以明确地说：线的左边是一群，右边是另一群。目测变成了规则。
真实的数据往往分不了这么干净。这时就找一条分错的点最少的线：一点点调整线的斜率和位置，让错的个数减少，跟上一课减小偏差是同一个想法。那么，第一次见到的新点，该放进哪一群？

新点看落在哪一边

假设来了一封新邮件。还不知道它是不是垃圾邮件，可量一量它的特征，就知道它会落在哪儿。只要看那个位置在边界线的哪一边就行。
落在左边就属于左群，落在右边就属于右群。很多分类器还会更进一步：离边界越远，属于那一群的概率就越高。紧挨着边界的点，概率接近一半一半，是容易拿不准的点。

点空白处放一个新点。它落在边界的哪一边，就决定了它的颜色，也就是属于哪一群。

新点按落下的位置定了颜色：在边界线左边就是左边的颜色，在右边就是右边的颜色。规则简单又一致，就算来一百个新点，也用同样的规则一个个分就行。
可世上的群不总是只有两个。像猫、狗、鸟这样有三群以上时，怎么办？

三群以上就多画边界

三群的话，一条线不够，因为一条线只能把地盘分成两块。这时就多画几条边界，把地盘分成三块、四块。
每一块都是一群的地盘，新点照样看落在哪一块来分。用概率回答的分类器，就给每一群打上概率，挑最大的那一群。前面讲的概率的想法，原样用在这里。

点添加边界。地盘从两块分成三块、四块，每一群都有了自己的一块。

块数多了，规则还是一样：多画边界把地盘分开，新点看落在哪一块来分。不管是两群还是四群，底下的想法都一样。
边界也不一定非得是直线。几群点弯弯曲曲地缠在一起时，就需要曲线边界，后面要学的神经网络就能画出这样复杂的边界。

小结

归纳起来是这样：分类就是分出某样东西属于定好的几群中的哪一群。和预测数值的回归不同，它回答的是群的名字。在两群之间画边界，新点看落在边界的哪一边来分。
三群以上，就多画边界。用一个位置定下属于哪一群，需要时再用概率说明有多确定，这就是分类。

依次点要点回顾一下。（分成两群 → 中间画边界 → 新点看在哪一边 → 三群以上多画边界）

现在，回归和分类这两种预测都看过了。一种回答数字，一种回答群，但都是从例子里找出一条线，再用到新输入上。
不过，要找到好的线，先得量一量现在这条线错得有多厉害。怎样用一个数表示错的程度，下一课讲损失时会说明。