监督学习:对于数据集中的每个样本,通过算法去预测并得出“正确答案”,例如预测房价,判断肿瘤是良性还是恶性
回归问题:预测一个连续值输出。例如:预测房价
分类问题:预测离散值输出。例如:判断肿瘤是良性还是恶性
无监督学习:与监督学习相对,没有将数据集的正确答案给算法。给算法大量的数据,要求算法找出数据的类型结构(如下图所示)。使用场景有:组织计算机集群,社交网络分析,市场分类,天文数据分析
无监督学习分为:聚类算法,将数据集划分为多个不同的簇。分离混合的音频。
监督学习:对于数据集中的每个样本,通过算法去预测并得出“正确答案”,例如预测房价,判断肿瘤是良性还是恶性
回归问题:预测一个连续值输出。例如:预测房价
分类问题:预测离散值输出。例如:判断肿瘤是良性还是恶性
无监督学习:与监督学习相对,没有将数据集的正确答案给算法。给算法大量的数据,要求算法找出数据的类型结构(如下图所示)。使用场景有:组织计算机集群,社交网络分析,市场分类,天文数据分析
无监督学习分为:聚类算法,将数据集划分为多个不同的簇。分离混合的音频。