3.6　本章小結(jié)

在本章中，我們介紹了很多內(nèi)容，不是嗎？

簡而言之，我們學(xué)習(xí)了各種監(jiān)督學(xué)習(xí)算法、如何將這些算法應(yīng)用到真實的數(shù)據(jù)集中，以及如何用OpenCV實現(xiàn)所有這些內(nèi)容。我們介紹了k-NN和邏輯回歸等分類算法，并討論了如何用這些分類算法來預(yù)測2個或多個離散類別標(biāo)簽。我們介紹了各種線性回歸變體（Lasso回歸和嶺回歸），并討論了如何用這些線性回歸來預(yù)測連續(xù)變量。最后，我們學(xué)習(xí)了Iris和Boston數(shù)據(jù)集，這是機器學(xué)習(xí)史上的兩個經(jīng)典數(shù)據(jù)集。

在后續(xù)章節(jié)中，我們將更深入地探討這些主題，并探索一些更有趣的例子來說明這些概念在哪些方面是有用的。

但是，首先我們需要探討一下機器學(xué)習(xí)中的另一個重要主題：特征工程。通常，數(shù)據(jù)不會以格式良好的數(shù)據(jù)集形式出現(xiàn)，我們的任務(wù)是以一種有意義的方式來表示數(shù)據(jù)。因此，在第4章中，我們將討論數(shù)據(jù)表示和特征工程。