1.監督學習：
通過給定的資料集，進行**得到「正確的答案」，並且資料集已經包括了答案。
如：100平的房價100w,120平的房價120w,140平的房價140w,通過學習，我們可以**150平的房價150w左右。
1.1回歸和分類：
回歸指我們的**值應該是個連續輸出值（real-valued output），如房價。
分類是指我們的**值應該是離散輸出值(discreated-valued output)，如是否得腫瘤，得還是不得。
2.無監督學習：
給定的資料集並沒有特定的分類。如：一群人中的性格特徵，一群人並不知道他的性格，通過其內在的特點，可以分為外向，開朗，善談等幾種人。通過給定的演算法機制，可以找出資料型別的結構。
聚類演算法就是無監督學習的一種
吳恩達機器學習筆記（1） 監督學習和無監督學習
在監督學習中，我們會有一組已經知道輸出結果應該是怎麼樣的資料集，也就是說，知道輸入和輸出之間會有一種特定的關係。然後，在監督學習中問題又被分成 回歸 和 分類 兩類問題。回歸 regression 的是一組連續的輸出結果，也就是說需要將輸入的資料與某個特定的連續函式所對應起來。分類 classifi...
吳恩達機器學習筆記 14 無監督學習
本章講述的是第乙個無監督的機器學習演算法，在無監督的演算法中，樣本資料只有特徵向量，並沒有標註的y值。比如聚類演算法，它可以用在市場分類 社交網路分析 天體資料分析等等。在做聚類時，最簡單的演算法就是k means，一般的流程是 首先隨機選擇k個聚類中心點 遍歷所有的樣本，選擇乙個距離最近的中心點，...
吳恩達機器學習 監督學習和無監督學習的區別
簡單來說，監督學習是我們來教計算機做某些事情，無監督學習是計算機自己學習做某件事情。更直白講，監督學習是我們輸入乙個包含正確答案的資料集，然後讓機器總結出通用規律，當我們輸入其他資料的時候，計算機可以 出這些資料的正確答案。監督學習包括回歸問題和分類問題。回歸問題 是指我們設法 出連續值的屬性。分類...