第一节课 机器学习的动机与应用

机器学习-Machine Learning

线形回归：
例子：
根据当前房价和大小的对应数据，判断某个大小的房子的合理定价

逻辑回归：
例子：
根据现有良恶性肿瘤的大小和患者的年龄，判断某个病人的肿瘤良恶

上述回归，隐含条件是，数据必须连续。
上述学习有共同特征，就是在已经有案例的基础上学习，称为监督型学习

其中提到，参数过多的多维机器学习，可以通过降维，获得更好的学习效果


聚合：
例子：
鸡尾酒party，由于同时说话的人很多，如何将其分辨出来

例子：
将图像进行聚合分析，获得图像边框，根据边框生成3D图像

上述聚合，没有案例可参考，称为非监督型学习


强化学习：
通过定义什么是好的，什么是不好的，通过多次学习，达到最少的惩罚，最多的奖励，最终获得最好的结果。