【摘要】：比如，预测致密砂砾岩储层的岩性就是一个分类问题。关联分析指的是挖掘事物之间的相互关系。这种方法在市场营销中应用比较普遍，典型的例子就是“啤酒和尿布”。
机器学习技术主要包括监督学习（supervised learning）、无监督学习（unsupervised learning）、集成学习（Ensemble Learning）。其中，监督学习关注的是对未知情况的预测，主要包括分类问题（classification）和回归问题（regression）；无监督学习更关注的是分析事物本身的特性（图1-5），使用的技术有降维（dimensionality reduction）、聚类（clustering）、关联分析（correlation analysis）等；集成学习则关注的是对未来预测的准确性，也就是提高机器学习的泛化能力，使用的技术包括Boosting、Bagging、随机森林等。
图1-5 集成学习逻辑视图
分类问题，属于预测问题，其预测目标变量的类型属于分类型。比如，预测致密砂砾岩储层的岩性就是一个分类问题。
回归问题也是属于预测问题，其预测目标变量的类型属于连续类型。比如，预测致密砂砾岩储层的孔隙度就是一个回归问题。
聚类分析指的是依据样本间的亲属性，进行分类，把亲属性强的聚为一类。需要说明的是，在聚类分析的过程中，我们无法事先就知道了聚类的数量以及每一类所代表的含义。比如，重矿物的聚类分析可以进行沉积体系的划分，亲属性强的重矿物样本被认为属于同一个沉积体系。
降维分析指的是把高维度变量数据通过一定的方法，转化为低维度变量数据，从而提高模型的运算速度和效率。
关联分析指的是挖掘事物之间的相互关系。这种方法在市场营销中应用比较普遍，典型的例子就是“啤酒和尿布”。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
