机器学习——有监督学习部分知识点梳理

最新推荐文章于 2025-05-03 21:12:25 发布
最新推荐文章于 2025-05-03 21:12:25 发布
阅读量214 收藏
点赞数 1
分类专栏： 机器学习 文章标签： 机器学习 深度学习 人工智能
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。
本文链接：https://blog.youkuaiyun.com/qq_41565359/article/details/109715980
版权
博主分享了半个月内通过阅读李航和周志华著作，对有监督学习的理解与初步实践，重点介绍了线性回归、逻辑回归等内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

最近在做机器学习方向的课题，为了从基础开始做起，用半个月学习了一下李航的《统计学习方法》和周志华的《机器学习》，对机器学习这个领域有了初步的认识。

由于课题主要是基于有监督的学习，所以主要学习了两本书的前半部分，以下是一个简单的梳理。

机器学习——有监督学习概览
至于其他部分，随着课题推进，自己的认知加深之后再来分享吧！

机器学习（3）——有监督学习
WHJ226的博客
06-16 4522
如果所获得的数据有明确的分类信息，用有明确分类信息的数据训练数据模型，就称为有监督学习（Supervised Learing）。机器学习的目标是对新获得的数据进行分类与回归。分类的结果是指数据不具有连续性，如将一堆水果划分为苹果、梨子、香蕉3个类别。回归是数据的一种预测算法。所预测的数据可能具有连续性。在机器学习中经常会提到过拟合、欠拟合、泛化的概念。所建立的数学模型在已有的数据上分类或拟合的结果非常理想，但在新的数据上分类或拟合的效果不佳，即泛化能力弱，这种情况一般称为过拟合。如果所建立的模型在已有数据集
机器学习·西瓜书|知识点梳理-第二章
BlueEstrella的博客
11-13 1096
若令训练集S包含绝大多数样本，则训练出的模型可能更接近于用D训练出的模型，但由于T比较小，评估结果可能不够稳定准确若令测试集T多包含一些样本，则训练集S与D差别更大了，被评 估的模型与用D训练出的模型相比可能有较大差别，从而降低了评估结果的保真性(fidelity)．。例如通过对D进行分层采样而获得含70％样本的训练集S和含30％样本的测试集T,若D包含500个正例、 500个反例，则分层采样得到的S应包含350个正例、350个反例，而T则包含150个正例和 150个反例；而查全率高时，查准率往往偏低。
机器学习入门：监督学习与无监督学习
Bahuia的博客
03-31 1万+
机器学习：学习的过程就是举一反三的过程。 例如，中学阶段通过做大量的练习题，为的就是在高考解决问题。高考的题目一般来说是之前肯定没有遇到过的，但是这并不意味着这些题目我们无法解决。通过对之前所做过的练习题的分析，找到解题方法，同样可以解决陌生的题目。 机器学习其实就是将这一套方式运用到机器上，利用一些已知的数据来训练机器（做练习题），让机器自己分析这些数据，并找到内在联系（学习解题方法），从而对
机器学习-有监督学习（Supervised Learning）
fangweijiex的博客
01-25 2329
定义： 有一组数量较多的历史样本集，其中每个样本有一组特征（Feature）和一个或几个表示其自身的类型或数值的标签（Label）：对历史样本进行学习得到模型后，可用新样本的特征预测其对应的标签。 有监督学习与无监督学习的区别： 比喻：有监督学习是老师告诉你这个字母念A，然后下次你看到这个字母就知道读’A’了；而无监督学习是你给这个字母定义一个读音，能让你将这个字母与其他字母区别开。 根据标...
【机器学习应用】机器学习之有监督学习
博客标题不能为空我也没办法
07-14 1万+
有监督学习
【有监督学习】积累与发现
dominic_z的博客
08-13 658
线性回归 线性回归 最小二乘法小结 脊回归（Ridge Regression） Lasso Regression 多重共线性的解决方法之——岭回归与LASSO 感知机 感知机原理小结 在《统计学习方法》中，定义的方式有一些不同，如下图所示 书中所提到了“不考虑1∥w∥\frac{1}{\|w\|}∥w∥1​”，实际意思是说不会影响解， 对于最小化问题−1∥w∥∑yi(wxi+b)-\frac ...
机器学习·西瓜书|知识点梳理-第一章
BlueEstrella的博客
11-11 785
Hello！这次分享的是本人在《机器学习》这本书的初学过程中的整理笔记其中很多概念的定义都摘自书中原话，可能稍微会有点冗长希望作为一次分享，珍惜本人的辛苦整理o(╥﹏╥)o倘若文中有错误的地方，欢迎您指出～或者在评论区中和我一起探讨ღ( ´･ᴗ･` )比心本文仅记录自己感兴趣的内容。
知识图谱与机器学习：如何让AI更懂世界
最新发布
AI天才研究院
05-03 1097
随着人工智能从感知智能向认知智能迈进，传统机器学习模型依赖海量数据的"暴力学习"模式逐渐暴露局限性——缺乏对世界本质规律的符号化表征，导致语义理解模糊、推理能力薄弱。知识图谱作为人类知识的数字化载体，通过结构化三元组（实体-关系-实体）存储领域知识，为机器学习提供先验知识引导，成为突破AI认知瓶颈的关键技术。本文系统解析知识图谱与机器学习的融合范式，涵盖知识表示学习、神经符号推理、多模态知识融合等核心领域，通过理论分析、算法实现和实战案例，揭示两者如何协同提升AI的世界建模能力。基础理论。
深度学习——知识梳理篇（已入门）
GWENGJING的博客
10-10 993
本文不太适合深度学习初学者，适合于深度学习已入门的朋友来梳理知识的大纲，里面的一些技术我也会在后面的逐一进行讲解，本文将从过拟合这个问题来贯穿整个深度学习。
吴恩达机器学习课后作业源码及笔记_机器学习_吴恩达_
10-01
这些习题内容丰富，覆盖了机器学习的众多关键知识点，如线性回归、逻辑回归、神经网络、支持向量机、决策树、随机森林、集成方法、聚类、降维等。 在源码部分，学习者可以找到用Python或R语言编写的机器学习算法...
监督学习：揭秘机器学习的“有监督”世界
u011464172的专栏
06-19 710
本文介绍了监督学习中的常见算法，包括回归和分类，以及无监督学习中的聚类。每个算法都有自己的优缺点，适合不同的应用场景。希望这篇文章能帮助你更好地理解监督学习，并将其应用到实际问题中。机器学习实战统计学习方法机器学习课程 (Coursera)机器学习库 (Scikit-learn)
机器学习基础 | 有监督学习篇
zenRRan的博客
10-20 571
每天给你送来NLP技术干货！来自：ChallengeHubA.监督学习1.EDA（Exploratory Data Analysis）2.K-Nearest Neighbors（KNN）3...
机器学习：监督学习、无监督学习
m0_56341622的博客
12-13 2777
定义：根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模型。在监督学习中训练数据既有特征(feature)又有标签(label)，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。简单理解：可以把监督学习理解为我们教机器如何做事情。​定义：我们不知道数据集中数据、特征之间的关系，而是要根据聚类或一定的模型得到数据之间的关系。
机器学习：监督学习、无监督学习、半监督学习、强化学习
热门推荐
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
07-31 6万+
机器学习是一种人工智能领域的技术，它旨在让计算机通过学习数据和模式，而不是明确地进行编程来完成任务。机器学习分为监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）、半监督学习（Semi-supervised Learning）、强化学习（Reinforcement Learning）四种
《机器学习》公开课——监督学习内容总结
KinboSong的博客
03-09 664
线性回归，局部加权回归 最小二乘法 梯度下降（最速下降） 逻辑回归 牛顿法 广义线性模型 softmax回归 生成学习模型、判别学习模型 GDA 朴素贝叶斯 神经网络 SVM 线性分类器：在高维空间中找到一超平面，将样本空间划分成两个或多个区域。 贝叶斯分类器：是一类以贝叶斯定理为基础的算法的总称。有些是线性分类器，有些则不是。 朴素贝叶斯分类器：是一类贝叶斯分
机器学习 监督学习算法
beautifulding的博客
09-03 151
import numpy as np import matplotlib.pyplot as plt alpha =0.1 x = np.array([[2104,3],[1600,3],[2400,3],[1416,2],[3000,4]]) t = np.array([400,300.369,232,540]) c0 = np.random.random() c1 = np.random.random() c2 = np.random.random() c = np.array([c1,c2]) .
【Machine Learning 系列】一文详解有监督学习(Supervised Learning)
陈橘又青的博客
07-27 2万+
监督学习是一种重要的机器学习方法，它通过学习输入变量和输出变量之间的关系，来构建一个预测模型。通过对已知的训练数据进行学习，可以对未知的数据进行准确的预测和分类。
【人工智能】机器学习入门之监督学习（一）有监督学习
萌狼蓝天の技术栈
11-09 7698
机器学习入门之监督学习(一)有监督学习 简介 监督学习算法是常见算法之一，主要分为有监督学习和无监督学习。本文主要记录了有监督学习中的分类算法和回归算法，其中回归算法是本文最主要内容。 本笔记对应视频：阿里云开发者社区学习中心-人工智能学习路线-阶段1：机器学习概览及常见算法 对应视频地址：https://developer.aliyun.com/learning/course/529 监督学习...
【机器学习】--1.2.方法
我是个好人呀，????
03-27 453
从给定的有标注的训练数据集中学习出一个函数（模型参数），当新的数据到来时可以根据这个函数预测结果。常见任务包括分类与回归。
评论
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