机器学习可分为两大类:监督式学习和非监督式学习
监督式学习特点:训练的数据是有标注的;按照标注又可以分为:分类和回归
分类:标注的数据是离散的,对应的模型是分类;
回归:标注的数据是连续的,对应的模型是回归;
非监督式学习特点:训练的数据里没有标注,只有自变量
非监督学习可分为:聚类和降为
聚类:把距离比较近的点归属于一类的称为聚类;
降为:把高维空间的数据映射到低维空间称为降为;
机器学习可分为两大类:监督式学习和非监督式学习
监督式学习特点:训练的数据是有标注的;按照标注又可以分为:分类和回归
分类:标注的数据是离散的,对应的模型是分类;
回归:标注的数据是连续的,对应的模型是回归;
非监督式学习特点:训练的数据里没有标注,只有自变量
非监督学习可分为:聚类和降为
聚类:把距离比较近的点归属于一类的称为聚类;
降为:把高维空间的数据映射到低维空间称为降为;