本文由@lonelyrains
線性回歸、邏輯回歸、svm都屬於已知樣本分類，求回歸**，都是有監督學習。
①當n>=m，如n=10000，m=10~1000時，建議用logistic regression, 或者linear kernel的svm
②如果n小，m不大不小，如n=1~1000，m=10~10000，建議用gaussian kernel的svm
③如果n很小，m很大，如n=1~1000，m>50000，建議增加更多的feature並使用logistic regression, 或者linear kernel的svm
原因，①模型簡單即可解決，②如果還用gaussian kernel會導致很慢，所以還選擇logistic regression或者linear kernel
神經網路可以解決以上任何問題，但是速度是乙個很大的問題。
機器學習中的有監督學習，無監督學習，半監督學習
在機器學習 machine learning 領域，主要有三類不同的學習方法 監督學習 supervised learning 非監督學習 unsupervised learning 半監督學習 semi supervised learning 監督學習 通過已有的一部分輸入資料與輸出資料之間的對應...
機器學習（二） 有監督學習 無監督學習和半監督學習
1 特徵 feature 資料的特徵。舉例 書的內容 2 標籤 label 資料的標籤。舉例 書屬於的類別，例如 計算機 圖形學 英文書 教材 等。舉例 把很多書交給乙個學生，培養他給書本分類的能力。4 分類 classification 定性輸出稱為分類，或者說是離散變數 舉例 明天是陰 晴還是雨...
機器學習部分 有監督學習和無監督學習
機器學習的常用方法，主要分為有監督學習 supervised learning 和無監督學習 unsupervised learning 監督學習，就是人們常說的分類，通過已有的訓練樣本 即已知資料以及其對應的輸出 去訓練得到乙個最優模型 這個模型屬於某個函式的集合，最優則表示在某個評價準則下是最佳...