初学者回归的基本概念（机器学习）

Question

我是机器学习的新手。如果问题看起来有些混乱，我深表歉意。这个框架（https://codesandbox.io/s/transition-group-u5htd）应用神经网络来解决回归问题，我有几个问题。

https://www.tensorflow.org/tutorials/keras/regression

数据集的尾部如上所示。最后三列使用的是一键编码。

数据检查如上所示。问题1）为什么我们需要这样做？

检查后，它将标签上的特征分开。问题2）我了解回归中的概念y = mx1 + mx2 + ... + c。我们有MPG，汽缸，排量，马力等作为特征（x1，x2，x3，x4 ...），但数据集中没有标签（y）。在这种情况下，我们应该如何进行监督培训？ “将标签与要素分开”是什么意思？

非常感谢您阅读此问题！

Answer 1

标签

标签是数据的预期内容。
就您而言，您的标签似乎是MPG，因此您正在从数据中学习MPG。
对象＃1的MPG为27，对象＃2的MPG为44，等等。

功能

特征是数据：
对象＃1可以是具有以下条目的矩阵：{0,1; 1,0}，对象＃2可以是具有以下条目的矩阵：{1,1; 1,0}，等等。

请注意，标签和要素在代码中可以具有不同类型的表示形式。了解概念上的差异很重要。

功能和标签之间的连接

您希望算法学习类似的矩阵具有一定的MPG，而看起来稍有不同的矩阵具有另一个MPG。

为此，您需要将标签（对象类型，在此情况下为MPG）与功能（对象本身，在此情况下为每个对象的数据，不包括MPG）分开，以便学习和预测数据中的MPG。