一、机器学习定义
计算机程序通过经验E,引入性能度量P来衡量解决任务T,通过P测定在T上的表现因为E而提高。
二、监督学习
监督学习即我们给计算机大量并具有结果的数据集,使计算机能够基于这些数据集预测其他数据的结果。
回归问题(线性的、连续的)与分类问题(离散的)
三、无监督学习
给计算机大量数据集,计算机自己找到这些数据的结构。
聚类算法(同一类放在一起)
四、代价函数
最小二乘法处理线性回归问题
本文介绍了机器学习的基本概念,包括监督学习与无监督学习的区别及应用场景。对于监督学习,阐述了回归与分类问题;而对于无监督学习,则重点介绍了聚类算法。此外,文中还提到了用于评估模型效果的代价函数。
计算机程序通过经验E,引入性能度量P来衡量解决任务T,通过P测定在T上的表现因为E而提高。
监督学习即我们给计算机大量并具有结果的数据集,使计算机能够基于这些数据集预测其他数据的结果。
回归问题(线性的、连续的)与分类问题(离散的)
给计算机大量数据集,计算机自己找到这些数据的结构。
聚类算法(同一类放在一起)
最小二乘法处理线性回归问题
5万+
6021

被折叠的 条评论
为什么被折叠?