在監督學習中，我們得到了乙個資料集並且已經知道正確輸出應該是什麼樣的，我們有乙個想法：輸入和輸出存在一種關係。
監督學習問題分為「回歸」和「分類」兩類問題。在回歸問題中，我們嘗試**有連續輸出的結果，這意味著我們嘗試去把輸入變數對映成一些連續函式。在分類問題中，我們而是要**一些不相關的輸出的結果。換句話說，我們嘗試去把輸入變數對映成一些不同、不相關的類別。
這些是一些關於監督學習的例子
神經網路有幾種不同的種類，例如卷積神經網路(convolution neural network, cnn) 常被用於影象識別，迴圈神經網路(recurrent neural network, rnn)用於一位序列資料比如把英文翻譯為中文或音訊等資料轉文字。對於自動駕駛，則是一種混合神經網路的結構。
結構化資料 vs 非結構化資料
結構化資料指**、年齡這種有數值定義的事物，而非結構化資料指畫素、音訊、文字。
機器學習筆記 監督學習，無監督學習，半監督學習
這個問題可以回答得很簡單 是否有監督 supervised 就看輸入資料是否有標籤 label 輸入資料有標籤，則為有監督學習，沒標籤則為無監督學習。什麼是學習 learning 學習 乙個成語就可概括 舉一反三。此處以高考為例，高考的題目在上考場前我們未必做過，但在高中三年我們做過很多很多題目，懂...
機器學習（3） 監督學習
機器學習中的監督學習模型的任務重點在於，根據已有經驗知識對未知樣本的目標 標記進行 主要涉及方法 分類學習與回歸 基本框架和流程 1.首先準備訓練資料，可以使文字 影象 音訊等 2.抽取所需要的特徵，形成特徵向量 feature vectors 3.把這些特徵向量連同對應的標記？目標 labels ...
機器學習筆記 監督學習 無監督學習分類筆記
無監督學習 給出一資料組，並已知曉這組資料的對應關係，然後給出一組新的資料，嘗試對其進行 和分析，這裡注意，提前給出的資料組 data set 是已知內部的資料的對應關係，後面給出的新的資料，是要依據對之前資料的學習後，給出新的資料對應的 值。而對於 的結果的不同，又將監督學習分為分類 classf...