一、簡介
1.在監督學習中，資料集中的每個樣本都被標明為陽性樣本或者陰性樣本，即良性腫瘤或者噁心腫瘤，對於監督學習中的每個樣本，我們已經被清楚的告知了什麼是正確的答案，即他們是噁心腫瘤還是良性腫瘤，下圖左圖是監督學習。在無監督學習中，我們用的資料和之前不同，資料樣本沒有任何標籤，都具有相同的標籤或者沒有標籤，我們拿到乙個資料集，不知道拿他來做什麼，也不知道每個資料點究竟是什麼，我們只是被告知了這裡有乙個資料集
對於這樣的資料集，無監督學習演算法可能判定，該資料集中包含兩個不同的族(clusters)，如下圖中包含兩個不同的族，這就是聚類演算法，被用在很多的地方
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 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，...
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...