机器学习：监督学习和无监督学习

最新推荐文章于 2024-08-01 14:15:12 发布

Hao_09

最新推荐文章于 2024-08-01 14:15:12 发布

阅读量1.8w

点赞数 4

分类专栏： Machine Learning 机器学习（machine learning) 文章标签：机器学习

本文链接：https://blog.csdn.net/lsh_2013/article/details/47342641

版权

本文是学习Stanford大学Andrew Ng教授《机器学习》课程的笔记，探讨了机器学习的定义、监督学习和无监督学习的概念。监督学习用于有标记数据的分类和回归，如房屋价格预测和乳腺癌预测；无监督学习则在无标记数据中寻找结构，如聚类。无监督学习在计算机集群组织、社交网络分析、市场细分和天文数据分析中有广泛应用。

摘要由CSDN通过智能技术生成

**************************************

注：本系列博客是博主学习Stanford大学 Andrew Ng 教授的《机器学习》课程笔记。博主深感学过课程后，不进行总结很容易遗忘，根据课程加上自己对不明白问题的补充遂有此系列博客。本系列博客包括线性回归、逻辑回归、神经网络、机器学习的应用和系统设计、支持向量机、聚类、将维、异常检测、推荐系统及大规模机器学习等内容。

**************************************

机器学习定义

机器学习是人工智能的一个分支，目标是赋予机器一种新的能力。（专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。）机器学习的应用很广泛，例如大规模的数据挖掘（网页点击数据，医疗记录等），无人驾驶飞机、汽车，手写手别，大多数的自然语言处理任务，计算机视觉，推荐系统等。

机器学习有很多定义，广为人知的有如下两条：

ArthurSamuel (1959): Machine Learning: Field of study that gives computers theability to learn without being explicitly programmed.

TomMitchell (1998) : Well-posed Learning Problem: A computer program is said tolearn from experience E with respect to some task T and some performance measureP, if i