資訊專欄INFORMATION COLUMN
摘要：根據這些樣本做出預測，分為兩大類回歸和分類根據吳恩達教授的機器學習課程回歸問題預測出一個連續值的輸出。此時的表示惡性，表示良性。從數據集中可以通過非監督學習得到數據的某種結構，可能是把數據分成兩個不同的聚集簇，稱為聚類算法。
Machine Learning definition
Arther Samuel(1959):Machine Learning:Field fo study that gives computers the ability to learn without being explicitly programmed.
Tom Mitchell(1998) well-posed Learning Problem: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its improves with experience E.
監督學習：
利用一組已知類別的樣本調整分類器的參數，使其達到所要求性能的過程，也稱為監督訓練，該過程中有指導者。對于給出的數據集中的每個樣本有相應的“正確答案”。
根據這些樣本做出預測，分為兩大類：回歸和分類
根據吳恩達教授的機器學習課程：
（1）回歸問題：預測出一個連續值的輸出。
例子：預測房價問題，根據樣本的數據集進行擬合就可以得到一條連續的曲線。
（2）分類問題：設法預測一個離散值的輸出。
例子：根據腫瘤的某些特征來判斷是良性還是惡性，得到的結果是“良性”或者是“惡性”，是離散的。
此時的1表示惡性，0表示良性。
根據區域不同的來判斷是惡性還是良性。叉表示惡性，圈表示良性。
當然了，預測的特征也是有很多
無監督學習
無監督學習的數據集和監督學習的不同，沒任何標簽，也就是沒有“正確的輸出結果”。在此過程中沒有指導者，只有計算機自己學習。從數據集中可以通過非監督學習得到數據的某種結構，可能是把數據分成兩個不同的聚集簇，稱為聚類算法。
聚類算法被應用于很多地方：
（1） Google新聞
（2） 基因學的應用：
（3） 大型計算機集群、社交網絡分析、市場細分問題以及天文數據分析
（4） 雞尾酒會問題
宴會中，場景會嘈雜問題等，聲音的辨別、過濾以及提取人的聲音就會顯得很重要。但是需要分析和解析數據問題，所以就涉及無監督學習問題。
在使用語言的編程問題上，例如C++或者是Java中，處理音頻的問題，需要寫很多的代碼，還需要連接那些復雜的C++或者Java庫，但是在機器學習問題中，我們只需要一行代碼即可實現：
SVD（）函數——奇異值分解的縮寫，作為線性代數常規函數的縮寫。
文章GitHub地址：https://github.com/Soler0502H...
參考內容：
吳恩達 機器學習課程
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/42864.html
摘要：自從年深秋，他開始在上撰寫并公開分享他感興趣的機器學習論文。本文選取了上篇閱讀注釋的機器學習論文筆記。希望知名專家注釋的深度學習論文能使一些很復雜的概念更易于理解。主要講述的是奧德賽因為激怒了海神波賽多而招致災禍。 Hugo Larochelle博士是一名謝布克大學機器學習的教授，社交媒體研究科學家、知名的神經網絡研究人員以及深度學習狂熱愛好者。自從2015年深秋，他開始在arXiv上撰寫并...
摘要：監督學習里典型的例子就是。這聽起來似乎有點不可思議，但是在我們自身認識世界的過程中很多處都用到了無監督學習。增強學習背后的人工智能深度學習原理初探 CNN http://blog.csdn.net/darkprin... http://blog.csdn.net/darkprin... http://blog.csdn.net/darkprin... http://blog.csdn....
摘要：監督學習里典型的例子就是。這聽起來似乎有點不可思議，但是在我們自身認識世界的過程中很多處都用到了無監督學習。增強學習背后的人工智能深度學習原理初探 CNN http://blog.csdn.net/darkprin... http://blog.csdn.net/darkprin... http://blog.csdn.net/darkprin... http://blog.csdn....
閱讀 3296·2021-11-24 09:39
閱讀 2805·2021-10-12 10:20
閱讀 1908·2019-08-30 15:53
閱讀 3076·2019-08-30 14:14
閱讀 2600·2019-08-29 15:36
閱讀 1121·2019-08-29 14:11
閱讀 1956·2019-08-26 13:51
閱讀 3408·2019-08-26 13:23
