监督学习和无监督学习是机器学习中两种主流方法。区分二者的最直接方式是观察训练数据集的类型及模型训练方式,但除此之外还存在其他差异,本章将深入探讨。
29.1 什么是监督学习?
监督学习是一种使用标注数据集训练模型的机器学习方法,非常适合数据分类或结果预测等任务。监督学习可分为两类:
(1)分类
通过算法预测类别型变量,例如判断邮件是否为垃圾邮件或真值验证。算法学习将每个输入映射到对应的输出标签,常用算法包括K近邻、随机森林和决策树。
(2)回归
监督学习和无监督学习是机器学习中两种主流方法。区分二者的最直接方式是观察训练数据集的类型及模型训练方式,但除此之外还存在其他差异,本章将深入探讨。
监督学习是一种使用标注数据集训练模型的机器学习方法,非常适合数据分类或结果预测等任务。监督学习可分为两类:
(1)分类
通过算法预测类别型变量,例如判断邮件是否为垃圾邮件或真值验证。算法学习将每个输入映射到对应的输出标签,常用算法包括K近邻、随机森林和决策树。
(2)回归
4272
1277
577

被折叠的 条评论
为什么被折叠?