regression+classification

1.regression+classification

链接：https://my.oschina.net/zzw922cn/blog/544221?p=1
regression：回归问题就是拟合一条曲线，对于每个输入输出一个标量值，预测的结果是连续的，是对真实值的逼近；常见的算法是线性回归linear regression
classification:分类问题是对输入打标签，输出是离散值；分类通常是建立在回归之上，分类的最后一层通常用softmax函数判断其所属类别；常见的算法是逻辑回归logistic regression。

2.linear regression+logistic regression

3.李宏毅老师的三步骤：

step1:find a set of functions

step2:goodness of function 设置loss函数判断第一步中函数的好坏

（1）loss函数 https://msd.misuland.com/pd/2884250137616455476
（2）其中注意交叉熵：度量两个概率分布间的差异信息

https://blog.csdn.net/tsyccnh/article/details/79163834

step3:best function 最小化loss函数从第一步定义的函数中找出一个最好的函数

这里最小化loss函数使用的方法是gradient descent梯度下降法
(另写一篇博客）

4.补充，聚类问题

聚类是无监督学习的结果
聚类的结果将产生一组集合，集合中的对象与同集合中的对象彼此相似，与其他集合中的对象相异。