机器学习学习笔记（一)——监督学习与无监督学习

最新推荐文章于 2024-08-13 10:03:08 发布
原创 最新推荐文章于 2024-08-13 10:03:08 发布 · 416 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习

本文跟随吴恩达课程，介绍机器学习中的监督学习与非监督学习概念。监督学习通过已标记数据预测房价及肿瘤性质，非监督学习则在无标签数据中发现模式，如新闻分类和市场分析。同时推荐使用Octave作为编程工具。

最近LABVIEW学不下去了给自己开了新坑，在B站上跟着吴恩达学机器学习，希望这次能够坚持下去吧！
在第一章里除了介绍了机器学习的应用等等等之外介绍了两个概念，监督学习和无监督学习。

监督学习

在监督学习中，数据集是有标签的，也就是说机器在学习的时候是知道正确答案的。
这里吴老师给出了两个例子（或者我只记住两个）
1.房价预测
2.肿瘤的良性恶性诊断

非监督学习

非监督学习是说在机器的学习时是没有正确答案的，机器需要自己在数据集中找出他们的不同特点加以分类。
具体例子是
1.谷歌新闻分类
2.基因分类
3.市场分析
4.鸡尾酒问题

编程工具

吴老师安利了一款编程工具 octave。

机器学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 17万+
机器学习按照模型类型分为监督学习模型、无监督学习模型和概率模型三大类,文章对十大机器学习算法进行详细介绍并阐述机器学习其他概念问题，可作为机器学习初学者学习使用。
NI LabVIEW Machine Learning Toolkit
03-03
用于LabVIEW程序的开发，里面包含SVM（支持向量机）算法，BP神经网络算法，vi已集成，直接调用即可
1、监督学习笔记
baiyuntuo9242的博客
12-23 445
监督学习 概念：在有标记的样本(labels samples)上建立机器学习 1、数据的预处理 机器学习算法无法理解原始数据，所以需对原始数据进行预处理，常用预处理如下： 预处理主要使用了preprocessing包，所以需对该包进行导入： import numpy as np from sklearn import preprocessing data=np.array([ ...
机器学习笔记（一） 监督学习和无监督学习
为取经而来的博客
11-14 897
1.机器学习   两条定义：2.监督学习   给定一组数据，我们知道正确的输出结果应该是什么样子，并且知道在输入和输出之间有着一个特定的关系。   监督学习的分类：回归（Regression）、分类（Classification）   回归：预测一个连续值，输入变量和输出用一个函数对应。   分类：预测一个离散值，输入变量和离散的类别对应。   举例：   回归：对房地产数据也测房屋价格，面积已...
机器学习笔记之监督学习和无监督学习
凉白开
07-05 477
基本定义机器学习（machine learning）“一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升”，“计算机从数据中产生“模型”（model）”...
机器学习学习笔记2-有监督学习和无监督学习
weixin_39673207的博客
11-12 542
监督学习：给定数据，预测结果，如分类系统、语音识别等，用的都是有监督的学习。监督学习是最常用的机器学习算法。 无监督学习：通过学习自己发现一些规律。无监督学习常用的场景：聚类、子空间估计、表征学习。 总结：监督学习就是学习输入和输出之间的映射关系，正确的输出已经由指导者提供； 无监督学习就是只给一堆数据，让程序自己去发现里面的规律。 与环境因素交互 我们从环境中提取大量数据，然后用这些数
ML笔记第一周（一）：有监督学习与无监督学习
朕蹲厕唱忐忑的博客
01-19 336
文章内容大多来自互联网，只是加了点排版和整理补充，我是搬运工~~ 机器学习： 一个程序被认为能从经验E（Experience ）中学习，解决任务 T（Task），达到性能度量值P（Performance measure），当且仅当，有了经验E后，经过P评判， 程序在处理 T 时的性能有所提升。 1 有监督学习（Supervising Learning） 在监督学习中，给定一组数据，我们知道正确的输...
【机器学习西瓜书学习笔记——半监督学习】
最新发布
m0_51148715的博客
08-13 981
SVM。
机器学习学习笔记之——无监督学习之降维、特征提取与流形学习
前尘忆梦的博客
12-08 1941
降维、特征提取与流形学习 前面讨论过，利用无监督学习进行数据变换可能有很多种目的。最常见的目的就是可视化、压缩数据，以及寻找信息量更大的数据表示以用于进一步的处理。 为了实现这些目的，最简单也最常用的一种算法就是主成分分析。我们也将学习另外两种算法：非负矩阵分解（NMF）和 t-SNE，前者通常用于特征提取，后者通常用于二维散点图的可视化。 1、主成分分析（PCA） 主成分分析（principal component analysis，PCA）是一种旋转数据集的方法，旋转后的特征在统计上不相关。在做完这种旋
视频学习笔记——李宏毅机器学习——P1，2
09-12
总结来说，机器学习是一个涵盖广泛领域的研究主题，包括深度学习、监督学习、无监督学习和强化学习等多种方法。这些方法都在不断进步，推动着人工智能的发展，并在众多实际应用中展现出强大的潜力。通过持续的学习和...
机器学习吴恩达2022课程笔记——监督学习篇
weixin_62701031的博客
01-26 1400
给定输入标签x和输出标签y，并且通过查看正确的输入x和所需输出标签y学习算法，最终学会只接受输入而不需要输出标签并给出合理准确的输出预测和猜测。两种主要类型是回归与分类回归：预测一个数值，有无数多个可能的输出结果。分类：预测分类，有少量的可能输出结果。
labview 机器学习模块
09-10
labview机器学习库和算法实例。包括BP神经网络、支持向量机（SVM）、SOM、聚类等
Labview机器学习工具包及例程_Iabview神经网络工具包，labview中的机器学习工具包
06-03
除机器学习安装工具包外，里面还有包含了多种机器学习算法里，如BP神经网络、SVM、SOM等。希望可以帮助到大家
监督学习笔记
07-04 278
由于很多符号不好表示，所以采用了手写的方式。
监督学习与无监督学习（机器学习笔记一）
weixin_43008870的博客
03-01 658
文章目录前言 前言 最近在网易云课堂上学习吴恩达老师的机器学习课程。吴老师的课讲的通俗易懂、深入浅出，令我获益良多，在这里记录一下学习过程的一些知识点和个人理解，欢迎各位童鞋一起交流。这一节主要介绍第一章绪论中的内容。 一、应用领域 机器学习是人工智能的一个重要分支，目前主要的应用方向包括以下四类： 1、数据挖掘 互联网和自动化发展过程中产生了大量数据，例如网络浏览数据、医疗数据等，机器学习提供了...
1.监督学习的学习笔记
weixin_62822635的博客
10-13 166
监督学习是指将把数据集都标记好后进行训练，然后训练学习出一种函数，然后通过这个数据集去测试新的数据。 监督学习一般有两种问题就是分类问题和回归问题。 看到一个很有意思的东西 人说1+1等于2 AI 记住1+1 =2， 人问 1+1 =? AI说 1+1 =2 分类问题的意思是数据集是比较分散的，将多个输入变量与多个不同的类别建立映射关系，有多个变量，所以需要分割来分析问题。 举个例子，在吴恩达的机器学习中介绍了一个关于分类问题的例子 :目前已有的数据是肿瘤的恶性和良性,恶.
监督学习笔记一
weixin_43327597的博客
01-19 261
监督学习笔记一 监督学习是从标注数据中学习模型的机器学习问题，其最终处理过的数据需要我们标注好才可参与训练模型。需要已有的条件与结果，然后根据需求制定策略与推导出数学模型加一训练得出最终模型的最优化参数。以预测未知的数据。 ...
监督学习-基本概念笔记
tiankong_的博客
10-24 752
1.相关基本概念 输入空间 输入所有可能取值的集合称为输入空间 输出空间 输出所有可能取值的集合称为输出空间 特征空间 每个具体的输入是一个实例（instance），通常由特征向量表示。这时，所有特征向量存在的空间称为特征空间（feature space），特征空间的每一维对应于一个特征。 注意：输入空间和特征空间有时是相同空间，有时不是，不是的时候我们需要将实例从输入空间映
1.2监督学习笔记
qq_40787900的博客
08-10 549
寻求共同学习的朋友
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值