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。