1、监督学习:利用一组带标签的数据, 学习从输入到输出的映射, 然后将这种映射关系应用到未知数据, 达到分类或者回归的目的。(分类)
2、无监督学习:根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题。(聚类)
3、代价函数
拟合的不好,则代价函数数值越高
4、梯度下降法
5、线性回归与梯度下降法结合
线性规划的代价函数总是凸函数。
Batch梯度下降法:批次下降
1、监督学习:利用一组带标签的数据, 学习从输入到输出的映射, 然后将这种映射关系应用到未知数据, 达到分类或者回归的目的。(分类)
2、无监督学习:根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题。(聚类)
3、代价函数
拟合的不好,则代价函数数值越高
4、梯度下降法
5、线性回归与梯度下降法结合
线性规划的代价函数总是凸函数。
Batch梯度下降法:批次下降