簡單的可以理解為，程式根據設定的規則p與經驗e中學習並總結出規律並提公升按照規則p的表現。
已經對樣本做出標記，根據已經標記的資料進行學習，並根據已經總結出的規律對一些未分類的資料進行分類
監督學習一般分為兩個方面，乙個為regression一種為classification
regeression 回歸： **連續的輸出值
classification 分類：**離散的輸出
資料樣本沒有被標記，我們希望通過這種不帶標籤的機器學習來尋找出資料集中存在的規律。在無監督學習中常用的演算法為聚類clustering，其中心思想為將相似的資料聚集在一起，而我們其實並不關資料具體是如何聚集的。
吳恩達機器學習1
吳恩達老師近日在網易雲課堂達成合作，開始新的課程。我也跟著後面學習，順便再中做個筆記，以加深記憶！此次老師的課程主要講解五個部分 1.neural networks and deep learning 2.improve deep neural networks hyperparameter tun...
吳恩達機器學習筆記（1）
1 用來進行資料探勘 2 讓機器進行自我學習 3 能對使用者進行個性化定製的應用程式 4 了解人類大腦的執行機制 arthor samuel的定義 是在沒有對機器進行明確的程式設計的情況下讓機器具有自主學習的能力。學習演算法主要分為兩大類，監督學習演算法和非監督學習演算法。監督學習演算法就是明確告訴...
吳恩達機器學習筆記（1）
我們給計算機提供一組正確的資料集，也就是這個問題的標準答案 標準輸入對應的標準輸出 讓計算機分析這其中的聯絡，然後最後我們給他乙個輸入，讓他得到輸出 分類 在許多問題中要考慮輸入多個變數和多個特徵參考，乙個參考屬性作為乙個維度，故會出現無限維的問題，你的資料可以在二維座標畫出來 但是無限維你沒有辦法...