下载掌阅APP，畅读海量书库
立即打开
在本章中，我们介绍了很多内容，不是吗？
简而言之，我们学习了各种监督学习算法、如何将这些算法应用到真实的数据集中，以及如何用OpenCV实现所有这些内容。我们介绍了k-NN和逻辑回归等分类算法，并讨论了如何用这些分类算法来预测2个或多个离散类别标签。我们介绍了各种线性回归变体（Lasso回归和岭回归），并讨论了如何用这些线性回归来预测连续变量。最后，我们学习了Iris和Boston数据集，这是机器学习史上的两个经典数据集。
在后续章节中，我们将更深入地探讨这些主题，并探索一些更有趣的例子来说明这些概念在哪些方面是有用的。
但是，首先我们需要探讨一下机器学习中的另一个重要主题：特征工程。通常，数据不会以格式良好的数据集形式出现，我们的任务是以一种有意义的方式来表示数据。因此，在第4章中，我们将讨论数据表示和特征工程。