有監督與無監督：
1、有監督學習：通過已有的訓練樣本去訓練得到乙個最優模型，再利用這個模型將所有的輸入對映為相應的輸出，對輸出進行簡單的判斷從而實現**和分類的目的，也就具有了對未知資料進行**和分類的能力。就如有標準答案的練習題，然後再去考試，相比沒有答案的練習題然後去考試準確率更高。又如我們小的時候不知道牛和鳥是否屬於一類，但當我們隨著長大各種知識不斷輸入，我們腦中的模型越來越準確，判斷動物也越來越準確。
有監督學習可分為回歸和分類。
回歸：即給出一堆自變數x和因變數y，擬合出乙個函式，這些自變數x就是特徵向量，因變數y就是標籤。 而且標籤的值連續的，例lr。
分類：其資料集，由特徵向量x和它們的標籤y組成，當你利用資料訓練出模型後，給你乙個只知道特徵向量不知道標籤的資料，讓你求它的標籤是哪乙個？其輸出結果是離散的。例如logistics、svm、knn等。
2、無監督學習：我們事先沒有任何訓練樣本，而需要直接對資料進行建模。比如我們去參觀乙個畫展，我們完全對藝術一無所知，但是欣賞完多幅作品之後，我們也能把它們分成不同的派別。無監督學習主要演算法是聚類，聚類目的在於把相似的東西聚在一起，主要通過計算樣本間和群體間距離得到，主要演算法包括kmeans、層次聚類、em演算法。
先對組時頻特徵矩陣進行訓練學習，每個矩陣會對應乙個焊接的拉伸強度值。
如何對判別乙個未知的時頻矩陣，使用什麼分類演算法會比較準確？
作業1 遊戲分類與熱點探索
遊戲的分類方式很多，比如按遊戲方式分類 按遊戲內容分類 按遊戲載體分類 按遊戲平台分類 按玩家人數分類 按遊戲地區分類 比較常見的分類方法是按遊戲平台分類和按遊戲內容分類，所以具體說明這兩種分類方法。電腦遊戲 使用pc和其他運算計算機進行遊玩的遊戲 如pc mac 便攜遊戲 使用掌上遊戲機或手機遊玩...
mahout探索之旅 CART分類回歸演算法
cart 演算法原理與理解 cart演算法的全稱是分類回歸樹演算法，分類即劃分離散變數 回歸劃分連續變數。他與c4.5很相似，但是乙個二元分類，採用的是類似於熵的gini指數作為分類決策，形成決策樹之後還要進行剪枝，我自己在實現整個演算法的時候採用的是代價複雜度演算法。gini 指數主要是度量資料劃...
分類 KNN分類演算法之Python實現
knn稱為k最近鄰。對於待分類資料，它先計算出與其最相近的k個的樣本，然後判斷這k個樣本中最多的類標籤，並將待分類資料標記為這個最多的類標籤。python樣例 import numpy as np from sklearn.neighbors import kneighborsclassifier ...