監督學習
監督學習是指我們給演算法乙個資料集，其中包含了正確答案。也就是說我們給它乙個房價資料集，在這個資料集中的每個樣本，我們都給出正確的**即這個房子實際賣價，演算法的目的就是給出更多的正確答案，輸入和輸出都是有參照的，根據參照，給定乙個新的輸入，**新的輸出。
如房價：給定某地房子大小和房價的資料，根據這些資料，給定乙個房子尺寸大小，**該尺寸對應的房價。
監督學習為根據資料進行**結果，分為回歸問題和離散（分類）問題
回歸問題：結果是線性的（我們設法**出乙個連續值的結果）
分類問題：結果是離散的（我們設法**出乙個離散值的結果）
無監督學習
聚類和分類的區別：
分類：已知資料的型別，即在沒有輸入的時候，就知道輸出的結果（如：腫瘤良性還是惡性）。
聚類：不知道資料的型別，只給資料一些特徵，機器根據特徵，將資料分開。
無監督學習與監督學習
1.無監督和有監督的理解方法有很多，主要可以從以下幾方面來理解 1 無監督與監督學習的區別在於乙個無教學值，乙個有教學值。但是，個人認為他們的區別在於無監督學習一般是採用聚簇等演算法來分類不同樣本。而監督學習一般是利用教學值與實際輸出值產生的誤差，進行誤差反向傳播修改權值來完成網路修正的。但是無監督...
無監督學習與監督學習
無監督學習與監督學習 1 首先我們要知道什麼是機器學習 a 從我們的學習推導而來 舉個例子 要考試了，老師給我們刷題，然後我們通過完成老師給的題目，考試考了100分，考試題不是原題，但與原題十分相似 b 我們總結一下 要考試了，老師給我們刷題 訓練集 然後我們通過完成老師給的題目 訓練 考試 要處理...
監督學習和無監督學習 監督學習與非監督學習
監督學習 supervised learning 的任務是學習乙個模型，使模型能夠對任意給定的輸入，對其相應的輸出做出乙個好的 即 利用訓練資料集學習乙個模型，再用模型對測試樣本集進行 例如kaggle上的鐵達尼號比賽。官方提供旅客資料 資料集1 姓名，年齡，性別，社會經濟階層，是否生存等 要求參賽...