1.示例一：假設你的好朋友小明想賣掉自己的房子去屯bb機，在對周邊房價以及**情況進行調查過後，他還是不知道該訂什麼樣的**能夠最大化的吸引到買房的人，並且自己又不能太虧。這個時候聰明的小明想到了在研究機器學習的你，你通過小明提供的資料集（包含房屋面積，成交**），編寫程式設計對其進行擬合（根據面積(特徵值)與**繪製一次函式或者二次函式），然後根據小明的房屋情況帶入求出最優**的過程，也就是乙個監督學習演算法應用的乙個例子。–回歸問題(通過資料來擬合併計算某個結果)
2.示例二：根據使用者年齡與患腫瘤情況的乙個資料集，判斷其他人是否患腫瘤。–分類問題(通過資料擬合判斷)
3.定義：給定演算法乙個資料集（有標籤or標記資訊or正確答案），其中包含了正確答案， 演算法的目的就是得到更多的正確答案。
4.分別判斷下列問題屬於那類問題？
[答案]
5.總結：監督學習演算法就是通過已知的資料集(這個資料集的結果已經標明)計算出盡可能多的正確結果。
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...
機器學習日記 監督學習 無監督學習
監督學習是指 利用一組已知類別的樣本調整 分類器的 引數，使其達到所要求效能的過程，也稱為 監督訓練或有教師學習。無監督學習 現實生活中常常會有這樣的問題 缺乏足夠的 先驗知識 因此難以人工標註類別或進行人工類別標註的成本太高。很自然地，我們希望計算機能代我們完成這些工作，或至少提供一些幫助。根據類...
機器學習中的有監督學習，無監督學習，半監督學習
在機器學習 machine learning 領域，主要有三類不同的學習方法 監督學習 supervised learning 非監督學習 unsupervised learning 半監督學習 semi supervised learning 監督學習 通過已有的一部分輸入資料與輸出資料之間的對應...