吴恩达机器学习笔记一

这篇博客详细介绍了监督学习和无监督学习的概念。在监督学习中,包括了回归问题和分类问题,并提到了支持向量机在处理大量特征时的作用。而在无监督学习部分,讨论了聚类算法的应用,如新闻聚合和DNA个体聚类等,同时介绍了非聚类的鸡尾酒问题示例。
摘要由CSDN通过智能技术生成

1、监督学习(Supervised Learning)

     监督学习,即为教计算机如何去完成预测任务(有反馈),预先给一定数据量的输入和对应的结果,建模拟合,最后让计算机预测未知数据的结果。

     监督学习一般有两种:

     1.1、回归问题(Regression):回归问题即为预测一系列的连续值。

     在房屋价格预测的例子中,给出了一系列的房屋面基数据,根据这些数据来预测任意面积的房屋价格。

     1.2、分类问题:分类问题即为预测一系列的离散值。即根据数据预测被预测对象属于哪个分类。视频中举了癌症肿瘤这个例子,针对诊断结果,分别分类为良性或恶性。还例如垃圾邮件分类问题,也同样属于监督学习中的分类问题。

     视频中提到支持向量机这个算法,旨在解决当特征量很大的时候(特征即如癌症例子中的肿块大小,颜色,气味等各种特征),计算机内存一定会不够用的情况。支持向量机能让计算机处理无限多个特征。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值