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。
分類問題：我們設法**出乙個離散值的輸出。
無監督學習則是輸入具有相同標籤或沒有標籤的資料集，然後通過聚類演算法，找出所謂的正確答案。典型的例子就是聚類演算法，把一些具有類似的自動地分成乙個個簇。比如谷歌新聞每天收集幾十萬條新聞，根據內容做成不同的新聞專欄。
吳恩達機器學習筆記 監督學習和無監督學習
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...
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，...