文章目录
写在前面
机器学习可以分为**“监督学习”和“无监督学习”**。
监督学习是指我们已经得出对一组数据的分类,机器通过对输入和输出的分析,训练出相应的最优的训练模型,从而实现简单的分类。然后这个模型就有了对未知数据的分析能力。往往是去学习我们已经创建好的分类系统。
监督学习是训练神经网络和决策树常见的方法。典型的算法有KNN和SVM。
无监督学习可以是由输入数据中学到或者创建一个模型,并依此模式推断新的结果。输入数据是由输入特征值组成。
输入的数据既没有被标记,也没有确定的结果。
样本数据类别未知,需要根据样本间的相似性对样本集进行分类(聚类,clustering)试图使类内差距最小化,类间差距最大化。通俗点将就是实际应用中,不少情况下无