二、监督式学习和非监督式学习

本文探讨了监督学习中的线性回归与梯度下降,以及非监督学习中的聚类算法原理。通过实例解析,展示了如何利用这些技术进行数据预测和模式识别,是数据科学入门者的必备指南。

**监督学习:**是机器通过给定的输入x和输出y,来自动的生成f,输入新的x通过f输出预测y,最常用的就是线性回归梯度下降方法。
**非监督学习:**训练集没有提供正确结果,而是让算法尝试识别不同数据之间的相似性,从而让有共同特征的数据能够被归类在一起,最常用的就是聚类算法。

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
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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